UniBind：LLM 增强的统一且均衡表征空间，用于联结多种模态

基于摘要分析。UniBind 研究图像、文本、音频、点云、热成像、视频与事件数据七种模态的统一表征学习，提出以 LLM 增强、模态无关的对齐中心替代图像中心表征空间。作者认为，以图像为中心可能造成模态间表征不均衡，而仅以类别名称提取文本嵌入不足以表达多模态语义。 方法包括三步：借助 LLM 与多模态 LLM 构建文本嵌入知识库；结合知识库及编码后的视觉嵌入，自适应构建 LLM 增强的类别级嵌入中心；通过对比学习将各模态嵌入对齐至该中心。作者称该方法可用于各类 CLIP-style 模型，但摘要未提供具体损失形式、中心更新方式或不同模型上的适配细节。 作者报告，零样本识别相较既有方法平均提升 6.36%；在多模态微调设置下，ImageNet 上提升 6.75%，同时可学习参数减少 90%。摘要未明确这些百分比表示相对提升还是百分点变化，也未完整给出对应基线、数据划分及参数统计范围，因此不能跨协议比较。作者另称达到新的最佳性能，具体实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其类别级语义中心可能为 EEG 与文本或视觉表征对齐提供参考，但原研究不包含 EEG。迁移假设依赖可用的类别语义、对应监督及稳定的 EEG 编码器；可借鉴文本知识库和中心对齐思路，但需改造 EEG 编码与语义映射。低信噪比、跨被试差异、通道变化及小样本可能使类别中心无法可靠约束 EEG 表征。可在固定编码器、数据划分与训练预算下，小规模比较类别名称文本对齐与 LLM 增强中心对齐，并检验跨被试表现；这只是待检验方案，已有 EEG 相关工作尚未检索确认。