用于多模态DNN的自监督NAS

本文解决了在缺乏标注数据的情况下，使用神经架构搜索（NAS）设计多模态深度神经网络（DNN）的挑战。它提出了一种自监督学习（SSL）方法来克服这一限制，从而能够从未标注数据中进行架构搜索和模型预训练。这具有重要意义，因为它减少了对昂贵的标注数据的依赖，使得NAS更容易应用于复杂的多模态任务。

• •提出了一种用于多模态DNN中神经架构搜索（NAS）的自监督学习（SSL）方法。
• •解决了多模态DNN架构设计中标记数据有限的问题。
• •将SSL应用于架构搜索和模型预训练。
• •证明了从未标记数据中设计架构的能力。