Buchumschlag

Aligning Multimodal Representations through an Information Bottleneck

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Almudévar, Antonio, Hernández-Lobato, José Miguel, Khurana, Sameer, Marxer, Ricard, Ortega, Alfonso
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

There Was Never a Bottleneck in Concept Bottleneck Models
von: Almudévar, Antonio, et al.
Veröffentlicht: (2025)

Representation Unlearning: Forgetting through Information Compression
von: Almudévar, Antonio, et al.
Veröffentlicht: (2026)

Bridging Functional and Representational Similarity via Usable Information
von: Almudévar, Antonio, et al.
Veröffentlicht: (2026)

Rethinking Disentanglement under Dependent Factors of Variation
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Robust Training of Vector Quantized Bottleneck Models
von: Łańcucki, Adrian, et al.
Veröffentlicht: (2020)

Unsupervised Multiple Domain Translation through Controlled Disentanglement in Variational Autoencoder
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Speech foundation models on intelligibility prediction for hearing-impaired listeners
von: Cuervo, Santiago, et al.
Veröffentlicht: (2024)

Learning Optimal Multimodal Information Bottleneck Representations
von: Wu, Qilong, et al.
Veröffentlicht: (2025)

An Explainable Proxy Model for Multiabel Audio Segmentation
von: Mariotte, Théo, et al.
Veröffentlicht: (2024)

Deep Learning Classification With Noisy Labels
von: Sanchez, Guillaume, et al.
Veröffentlicht: (2020)

Predefined Prototypes for Intra-Class Separation and Disentanglement
von: Almudévar, Antonio, et al.
Veröffentlicht: (2024)

Aligned Contrastive Predictive Coding
von: Chorowski, Jan, et al.
Veröffentlicht: (2021)

Studying K-FAC Heuristics by Viewing Adam through a Second-Order Lens
von: Clarke, Ross M., et al.
Veröffentlicht: (2023)

RECOMBINER: Robust and Enhanced Compression with Bayesian Implicit Neural Representations
von: He, Jiajun, et al.
Veröffentlicht: (2023)

Leveraging Task Structures for Improved Identifiability in Neural Network Representations
von: Chen, Wenlin, et al.
Veröffentlicht: (2023)

Sparse Autoencoders Make Audio Foundation Models more Explainable
von: Mariotte, Théo, et al.
Veröffentlicht: (2025)

Using Artificial Neural Networks to Predict Claim Duration in a Work Injury Compensation Environment
von: Almudevar, Anthony
Veröffentlicht: (2026)

To Align or Not to Align: Strategic Multimodal Representation Alignment for Optimal Performance
von: Fang, Wanlong, et al.
Veröffentlicht: (2025)

Trustworthy Representation Learning via Information Funnels and Bottlenecks
von: de Freitas, João Machado, et al.
Veröffentlicht: (2022)

ShifaMind: A Multiplicative Concept Bottleneck for Interpretable ICD-10 Coding
von: Syed, Mohammed Sameer, et al.
Veröffentlicht: (2026)

Diagnosing and fixing common problems in Bayesian optimization for molecule design
von: Tripp, Austin, et al.
Veröffentlicht: (2024)

IBNorm: Information-Bottleneck Inspired Normalization for Representation Learning
von: Zou, Xiandong, et al.
Veröffentlicht: (2025)

Debiasing Graph Representation Learning based on Information Bottleneck
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Entropy-Aligned Decoding of LMs for Better Writing and Reasoning
von: Ahmed, Kareem, et al.
Veröffentlicht: (2026)

Multimodal Information Bottleneck for Deep Reinforcement Learning with Multiple Sensors
von: You, Bang, et al.
Veröffentlicht: (2024)

Decoupled PFNs: Identifiable Epistemic-Aleatoric Decomposition via Structured Synthetic Priors
von: Bergna, Richard, et al.
Veröffentlicht: (2026)

Disentangled Representation Learning with Transmitted Information Bottleneck
von: Dang, Zhuohang, et al.
Veröffentlicht: (2023)

Skill-CMIB: Multimodal Agent Skill for Consistent Action via Conditional Multimodal Information Bottleneck
von: Huang, Zihan, et al.
Veröffentlicht: (2026)

Explaining Grokking and Information Bottleneck through Neural Collapse Emergence
von: Sakamoto, Keitaro, et al.
Veröffentlicht: (2025)

Learning Fair Graph Representations with Multi-view Information Bottleneck
von: Liu, Chuxun, et al.
Veröffentlicht: (2025)

Conditional Information Bottleneck for Multimodal Fusion: Overcoming Shortcut Learning in Sarcasm Detection
von: Wang, Yihua, et al.
Veröffentlicht: (2025)

Interpretable Concept Bottlenecks to Align Reinforcement Learning Agents
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Information Retrieval for ZeroSpeech 2021: The Submission by University of Wroclaw
von: Chorowski, Jan, et al.
Veröffentlicht: (2021)

Efficient and Unbiased Sampling from Boltzmann Distributions via Variance-Tuned Diffusion Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2025)

Series of Hessian-Vector Products for Tractable Saddle-Free Newton Optimisation of Neural Networks
von: Oldewage, Elre T., et al.
Veröffentlicht: (2023)

Online Laplace Model Selection Revisited
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Fixed-Mean Gaussian Processes for Post-hoc Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2024)

Scalable Linearized Laplace Approximation via Surrogate Neural Kernel
von: Ortega, Luis A., et al.
Veröffentlicht: (2026)

Variational Linearized Laplace Approximation for Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2023)

Is the Information Bottleneck Robust Enough? Towards Label-Noise Resistant Information Bottleneck Learning
von: Huang, Yi, et al.
Veröffentlicht: (2025)