深度 Mamba 多模态学习
流体动力学
2025-08-18 v4 化学物理
摘要
灵感来源于 Mamba 网络的卓越性能，我们提出了一种 novel 深度 Mamba 多模态学习（DMML）方法，可用于实现多模态特征的融合。我们将 DMML 应用于多媒体检索领域，提出了一种创新的深度 Mamba 多模态哈希（DMMH）方法。它结合了算法精度和推理速度的优势。我们在三个公开数据集上验证了 DMMH 的有效性，取得了 state-of-the-art 的成绩。
引用
@article{arxiv.2406.18006,
title = {Symmetry Breaking in Chemical Systems: Engineering Complexity through Self-Organization and Marangoni Flows},
author = {Sangram Gore and Binaya Paudyal and Duarte Rocha and Mohamed Ali and Nader Masmoudi and Albert Bae and Christian Diddens and Detlef Lohse and Oliver Steinbock and Azam Gholami},
journal= {arXiv preprint arXiv:2406.18006},
year = {2025}
}