awesome-multimodal-ml

收录理由

多模态机器学习要同时处理视觉、语言、音频等多种输入，领域铺得很开，新手往往不知从何下手。这份阅读清单按研究者实际关心的问题来组织，比如表示学习、融合、对齐、预训练和跨模态检索，再延伸到视觉问答、医疗、机器人和自动驾驶等应用方向。每条文献都附了论文链接，有代码的也一并给出，读完就能照着复现，省去四处找源码的功夫。维护者是卡内基梅隆大学的研究人员，清单里还整合了综述、研讨会资料、教程和完整课程内容，无论是研究生入门、团队新人上手，还是从业者想先摸清方向再深入，都能从这里找到扎实的起点。它是一份精选索引而非可运行软件，但若想对领域建立有依据的整体认知，比多数资源都更管用。