GAUGE: Un framework di gating controfattuale per la classificazione multimodale incompleta

Un nuovo articolo di ricerca su arXiv (ID: 2608.05608) introduce GAUGE, un framework di gating controfattuale leggero progettato per gestire la classificazione multimodale incompleta. Il framework affronta il comune problema del mondo reale in cui alcune modalità mancano durante i compiti di classificazione. I metodi tradizionali o imputano i dati mancanti o fondono dinamicamente le modalità disponibili, ma operano a un livello di modalità grossolano, non riuscendo a distinguere i componenti affidabili da quelli fuorvianti all'interno di una modalità recuperata. GAUGE supera questo problema imputando prima le modalità mancanti con un imputer congelato, quindi codificando sia gli input osservati che quelli recuperati come unità di evidenza a grana fine. Invece di intervenire esplicitamente su ogni unità, calcola punteggi di evidenza di Taylor predittivi per stimare l'effetto controfattuale della sostituzione di ogni unità con una rappresentazione di riferimento, tutto in un singolo passaggio avanti-indietro. Questi punteggi vengono poi mappati a gate continui che controllano l'influenza di ogni unità di evidenza, consentendo al modello di trattenere informazioni affidabili sopprimendo i componenti fuorvianti. L'articolo è classificato come annuncio di tipo incrociato ed è disponibile all'indirizzo https://arxiv.org/abs/2608.05608.