DiscoVL：正交对抗正则化的视觉语言模型跨模态表示学习

2026年10月9日，arXiv 计算机视觉方向发布研究，提出 DiscoVL，一个面向视觉-语言模型的解耦跨模态表示学习框架，将正交对抗正则化与结构化跨模态对齐相结合。框架采用多分支低秩残差对齐器，把表示分解到子空间，并在每一层实现视觉与文本流的双向跨模态反馈；同时设计正交正则化对抗三元组损失，以防止质心坍缩。目前公开信息仅包含该论文报道，未见后续实验结果或第三方验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。