随着web技术的发展,多模态或多视图数据已经成为大数据的主要流,每个模态/视图编码数据对象的单个属性。不同的模态往往是相辅相成的。这就引起了人们对融合多模态特征空间来综合表征数据对象的研究。大多数现有的先进技术集中于如何融合来自多模态空间的能量或信息,以提供比单一模态的同行更优越的性能。最近,深度神经网络展示了一种强大的架构,可以很好地捕捉高维多媒体数据的非线性分布,对多模态数据自然也是如此。大量的实证研究证明了深多模态方法的优势,从本质上深化了多模态深特征空间的融合。在这篇文章中,我们提供了从浅到深空间的多模态数据分析领域的现有状态的实质性概述。在整个调查过程中,我们进一步指出,该领域的关键要素是多模式空间的协作、对抗性竞争和融合。最后,我们就这一领域未来的一些方向分享我们的观点。

成为VIP会员查看完整内容
295

相关内容

专知会员服务
97+阅读 · 2020年7月20日
最新《多任务学习》综述,39页pdf
专知会员服务
262+阅读 · 2020年7月10日
专知会员服务
180+阅读 · 2020年6月21日
最新《动态网络嵌入》综述论文,25页pdf
专知会员服务
134+阅读 · 2020年6月17日
专知会员服务
49+阅读 · 2020年6月14日
最新《深度半监督学习》综述论文,43页pdf
专知会员服务
152+阅读 · 2020年6月12日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
自然语言处理常识推理综述论文,60页pdf
专知
69+阅读 · 2019年4月4日
医学图像分析最新综述:走向深度
极市平台
7+阅读 · 2019年2月25日
深度学习综述(下载PDF版)
机器学习算法与Python学习
27+阅读 · 2018年7月3日
从0到1,这篇深度学习综述送给你!
机器学习算法与Python学习
27+阅读 · 2018年6月13日
如何做文献综述:克雷斯威尔五步文献综述法
清华大学研究生教育
21+阅读 · 2017年7月10日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
109+阅读 · 2020年2月5日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
5+阅读 · 2018年10月11日
VIP会员
相关VIP内容
专知会员服务
97+阅读 · 2020年7月20日
最新《多任务学习》综述,39页pdf
专知会员服务
262+阅读 · 2020年7月10日
专知会员服务
180+阅读 · 2020年6月21日
最新《动态网络嵌入》综述论文,25页pdf
专知会员服务
134+阅读 · 2020年6月17日
专知会员服务
49+阅读 · 2020年6月14日
最新《深度半监督学习》综述论文,43页pdf
专知会员服务
152+阅读 · 2020年6月12日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
相关资讯
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
自然语言处理常识推理综述论文,60页pdf
专知
69+阅读 · 2019年4月4日
医学图像分析最新综述:走向深度
极市平台
7+阅读 · 2019年2月25日
深度学习综述(下载PDF版)
机器学习算法与Python学习
27+阅读 · 2018年7月3日
从0到1,这篇深度学习综述送给你!
机器学习算法与Python学习
27+阅读 · 2018年6月13日
如何做文献综述:克雷斯威尔五步文献综述法
清华大学研究生教育
21+阅读 · 2017年7月10日
相关论文
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
109+阅读 · 2020年2月5日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
5+阅读 · 2018年10月11日
微信扫码咨询专知VIP会员