一种面向开放环境的缺失模态伽马协同检索扩散方法

一种面向开放环境的缺失模态伽马协同检索扩散方法，属于多模态学习及缺失模态处理领域。该方法模拟人脑多源上下文补全机制，通过三个创新模块实现鲁棒的多模态学习：检索增强上下文模块：构建多模态记忆库，通过门控机制下的相似度计算检索相关实例，增强缺失模态的上下文表征；提示驱动扩散生成模块：基于检索结果构建语义提示，通过注意力机制融入去噪扩散概率模型，实现上下文感知的知识迁移和缺失模态生成；逆伽马噪声优化模块：建立混合正态‑逆伽马分布模型，动态感知噪声并实现多模态融合中的不确定性估计，确保回归结果的鲁棒性和可靠性。本方法有效减轻模型对可用模态质量的依赖，提升跨模态知识迁移效果和多模态学习任务性能。