多模态

​ 多模态的作用：多模态指的是多种模态的信息，包括：文本、图像、视频、音频等。

​ 多模态学习的分类

• 多模态表示学习 Multimodal representation
• 模态转化 Translation
• 对齐 Alignment
• 多模态融合 Multimodal Fusion
• 协同学习 Co-learning

多模态融合的作用: 多模态融合是指将来自不同感知模态（如图像、文本、语音等）的信息整合到一个统一的模型中，以更全面、准确地理解和处理数据。