paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
CD

Chuanghao Ding

ACL 2026多模态对齐与偏好数据与预训练
新星分贡献者
32
一作贡献0
核心/参与12
方向广度6
合作网络3
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #2/4ACL 2026Findings· Findings of ACL

M i MIC : Mitigating Visual Modality Collapse in Universal Multimodal Retrieval While Avoiding Semantic Misalignment

Li Juan · Chuanghao Ding · Xujie Zhang · Cam-Tu Nguyen

摘要

Universal Multimodal Retrieval (UMR) aims to map different modalities (e.g., visual and textual) into a shared embedding space for multi-modal retrieval. Existing UMR methods can be broadly divided into two categories: early-fusion approaches, such as Marvel, which projects visual features into t...

多模态对齐与偏好数据与预训练OpenReview 项目页

常见合作者