第1 章 緒論 1
1.1 引言 1
1.2 基本術(shù)語 3
1.2.1 傳感器 3
1.2.2 模態(tài) 3
1.2.3 多模態(tài) 3
1.2.4 算法模型 6
1.2.5 表征學(xué)習(xí) 6
1.2.6 語義理解 7
1.2.7 遷移學(xué)習(xí) 7
1.2.8 內(nèi)容生成 7
1.2.9 模態(tài)融合 8
1.2.10 模態(tài)對(duì)齊 8
1.2.11 多模態(tài)學(xué)習(xí) 9
1.3 發(fā)展歷程 9
1.4 應(yīng)用現(xiàn)狀 10
1.5 小結(jié) 12

第2 章 基礎(chǔ)知識(shí) 14
2.1 傳統(tǒng)機(jī)器學(xué)習(xí) 14
2.1.1 模型評(píng)估與選擇 15
2.1.2 線性模型 16
2.1.3 分類 18
2.1.4 回歸 19
2.2 深度學(xué)習(xí) 20
2.2.1 卷積神經(jīng)網(wǎng)絡(luò) 20
2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 22
2.2.3 Transformer 23
2.3 優(yōu)化算法 25
2.3.1 梯度下降算法 26
2.3.2 反向傳播 27
2.4 應(yīng)用領(lǐng)域 28
2.4.1 計(jì)算機(jī)視覺 29
2.4.2 自然語言處理30
2.4.3 語音識(shí)別 31
2.5 小結(jié) 32
第3 章 多模態(tài)學(xué)習(xí) 34
3.1 模態(tài)表示 34
3.1.1 文本模態(tài)表示 34
3.1.2 視覺模態(tài)表示 37
3.1.3 聲音模態(tài)表示 38
3.1.4 其他模態(tài)表示 40
3.1.5 多模態(tài)聯(lián)合表示 43
3.1.6 多模態(tài)協(xié)同表示 44
3.2 多模態(tài)融合 46
3.2.1 數(shù)據(jù)級(jí)融合 46
3.2.2 特征級(jí)融合 46
3.2.3 目標(biāo)級(jí)融合 47
3.2.4 混合式融合 49
3.3 跨模態(tài)對(duì)齊 50
3.3.1 顯式對(duì)齊：無監(jiān)督對(duì)齊和有監(jiān)督對(duì)齊 50
3.3.2 隱式對(duì)齊：注意力對(duì)齊和語義對(duì)齊51
3.4 多模態(tài)協(xié)同學(xué)習(xí) 52
3.4.1 基于平行數(shù)據(jù)的協(xié)同學(xué)習(xí) 52
3.4.2 基于非平行數(shù)據(jù)的協(xié)同學(xué)習(xí) 53
3.4.3 基于混合平行數(shù)據(jù)的協(xié)同學(xué)習(xí) 54
3.5 小結(jié) 56
第4 章 多模態(tài)訓(xùn)練 57
4.1 有監(jiān)督訓(xùn)練 57
4.1.1 視覺監(jiān)督訓(xùn)練 57
4.1.2 文本監(jiān)督訓(xùn)練 61
4.1.3 多模態(tài)監(jiān)督訓(xùn)練 63
4.2 自監(jiān)督訓(xùn)練 72
4.2.1 基于對(duì)比學(xué)習(xí)的自監(jiān)督訓(xùn)練73
4.2.2 基于掩碼學(xué)習(xí)的自監(jiān)督訓(xùn)練 75
4.3 混合監(jiān)督訓(xùn)練77
4.3.1 有監(jiān)督與自監(jiān)督的混合監(jiān)督訓(xùn)練 77
4.3.2 半監(jiān)督混合監(jiān)督訓(xùn)練78
4.4 小結(jié) 80
第5 章 多模態(tài)大模型 81
5.1 基礎(chǔ)大模型 81
5.1.1 語言大模型 83
5.1.2 視覺大模型 88
5.1.3 語音大模型 93
5.1.4 多模態(tài)基礎(chǔ)大模型 94
5.2 大語言模型推理方法96
5.2.1 提示學(xué)習(xí) 96
5.2.2 上下文學(xué)習(xí) 99
5.2.3 思維鏈 100
5.3 模型微調(diào)103
5.3.1 LoRA 103
5.3.2 人類反饋強(qiáng)化學(xué)習(xí) 104
5.4 分布式訓(xùn)練 107
5.4.1 DeepSpeed 108
5.4.2 Megatron-LM 111
5.5 小結(jié) 114
第6 章 多模態(tài)理解 115
6.1 圖像描述115
6.1.1 描述方法116
6.1.2 評(píng)價(jià)指標(biāo)119
6.2 視頻描述 119
6.2.1 視頻定位119
6.2.2 視頻描述120
6.2.3 視頻摘要生成 121
6.2.4 評(píng)價(jià)指標(biāo)123
6.3 視覺問答 124
6.3.1 問題定義 124
6.3.2 問答方法 125
6.3.3 評(píng)價(jià)指標(biāo) 132
6.4 小結(jié) 133
第7 章 多模態(tài)檢索 134
7.1 數(shù)據(jù)檢索 134
7.1.1 單模態(tài)數(shù)據(jù)與檢索 135
7.1.2 多模態(tài)數(shù)據(jù)與檢索 138
7.2 跨模態(tài)檢索 139
7.2.1 檢索方法 140
7.2.2 評(píng)價(jià)指標(biāo) 144
7.3 交互式檢索 146
7.4 小結(jié) 149
第8 章 多模態(tài)生成 150
8.1 圖像生成 150
8.1.1 問題定義 151
8.1.2 生成方法 154
8.1.3 評(píng)價(jià)指標(biāo) 162
8.2 視頻生成 165
8.2.1 問題定義 166
8.2.2 生成方法 169
8.2.3 評(píng)價(jià)指標(biāo) 174
8.3 語音生成 177
8.3.1 問題定義 177
8.3.2 合成方法 179
8.3.3 前端處理 183
8.3.4 后端模型 186
8.3.5 評(píng)價(jià)標(biāo)準(zhǔn) 190
8.4 小結(jié) 191
第9 章 多模態(tài)推理 193
9.1 知識(shí)圖譜推理 193
9.1.1 基于規(guī)則學(xué)習(xí) 194
9.1.2 基于路徑排序 197
9.1.3 基于表示學(xué)習(xí) 198
9.1.4 基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 200
9.2 多模態(tài)推理 204
9.2.1 視覺問答 204
9.2.2 視覺常識(shí)推理 205
9.2.3 視覺語言導(dǎo)航 208
9.3 小結(jié) 209
第10 章 多模態(tài)交互 210
10.1 可穿戴交互 210
10.1.1 交互方式 212
10.1.2 相關(guān)技術(shù) 214
10.1.3 智能穿戴設(shè)備 216
10.2 人機(jī)對(duì)話交互 217
10.2.1 語音識(shí)別 217
10.2.2 情感識(shí)別 218
10.2.3 語音合成 218
10.2.4 對(duì)話系統(tǒng) 219
10.3 聲場感知交互 219
10.3.1 動(dòng)作識(shí)別 220
10.3.2 聲源定位 220
10.3.3 副語音信息交互增強(qiáng) 220
10.3.4 音頻感知與識(shí)別 221
10.4 混合現(xiàn)實(shí)實(shí)物交互 221
10.4.1 靜態(tài)被動(dòng)力觸覺 222
10.4.2 相遇型被動(dòng)力觸覺 222
10.5 小結(jié) 223
第11 章 多模態(tài)模型安全與可信 224
11.1 模型的可解釋性 224
11.1.1 遷移學(xué)習(xí) 224
11.1.2 反向傳播和顯著性圖 226
11.1.3 特征反演 227
11.1.4 敏感性分析 227
11.1.5 注意力機(jī)制 228
11.1.6 沙普利疊加解釋 229
11.2 人工智能倫理規(guī)范 . 230
11.2.1 標(biāo)準(zhǔn)認(rèn)定 230
11.2.2 科技倫理治理 231
11.2.3 行業(yè)自律 233
11.3 小結(jié) . 233
第12 章 總結(jié)與展望 235
12.1 世界模型 235
12.2 情感計(jì)算 236
12.3 類腦智能 238
12.4 博弈智能 240
12.5 小結(jié) 241