多模态融合综述

转载

---

内容：

融合方法
目前特征融合方法有以下几种： 特征向量按照人工规则线性融合；计算多个向量相似度矩阵，按照相似度进行融合；直接拼接特征向量。
来源： 多模态融合注记

---

内容： 分类

来源：Multimodal Machine Learning: A Survey and Taxonomy 综述阅读笔记

---

内容：将多模态融合的背景、发展都讲的很详细，比如多来源和多模态的关系、数据集成与数据融合的联系、特征融合、早晚期融合、基于深度学习的融合、

数据融合与集成路径

参考：多来源多模态数据融合与集成研究进展

---

多模态融合的定义：深度学习中的多模态融合技术（Multimodality Fusion Technology，MFT）[1]是模型在完成分析和识别任务时处理不同形式的数据的过程。多模态数据的融合可以为模型决策提供更多的信息，从而提高了决策总体结果的准确率，目的是建立能够处理和关联来自多种模态信息的模型，是典型的多学科交叉领域，并已逐步成为研究热点。

多模态融合方法汇总
来源：面向深度学习的多模态融合技术研究综述