通过表格和图像实现跨模态错误检测
机器学习
2025-10-15 v1
摘要
规模化数据质量保持始终是一个持久的挑战。尽管近期进展，但维护准确且一致的数据仍然复杂，尤其是当处理多种数据模态时。传统的错误检测和纠正方法通常只关注单一模态（通常是表格），常常忽略跨模态错误，这类错误在电子商务和医疗保健等领域很常见，其中图像、表格和文本数据共存。为此，我们首次针对表格数据中的跨模态错误检测进行基准测试。我们的评估涵盖四个数据集和五种基线方法。其中，Cleanlab（标签错误检测框架）和DataScope（数据定价方法）搭配强大的AutoML框架表现最佳，实现最高F1分数。我们的发现表明，当前方法仍有局限，尤其是应用于重尾真实世界数据时，激发了进一步研究的动力。
引用
@article{arxiv.2510.12383,
title = {Towards Cross-Modal Error Detection with Tables and Images},
author = {Olga Ovcharenko and Sebastian Schelter},
journal= {arXiv preprint arXiv:2510.12383},
year = {2025}
}