UG-UMRE: Uncertainty-Guided Modality Augmentation and Distributional Calibration for Unified Multimodal Relation Extraction

UG-UMRE 论文针对统一多模态关系抽取（UMRE）中的两个关键问题：忽略固有偶然不确定性导致噪声传播，以及不同模态分布间的深层异质性阻碍对齐。为此，论文提出不确定性引导的 UMRE 网络（UG-UMRE），包含两个模块：不确定性驱动的单模态增强（UDUA）模块，基于变分信息瓶颈将特征建模为高斯分布，并通过不确定性感知的自监督对比学习过滤噪声、保持语义一致性；以及联合偶然不确定性对齐（JAUA）模块，作为全局语义预校准机制，利用概率分布一致性构建共享潜在空间，通过同步跨模态统计属性消除分布差距。实验在三个基准数据集上进行。

UG-UMRE 将变分信息瓶颈与不确定性感知对比学习结合，用于多模态关系抽取中的噪声过滤和语义保持。其 JAUA 模块通过概率分布一致性对齐跨模态统计属性，可能为多模态对齐提供新思路。可验证的下一信号：论文是否公开代码或模型，以及后续工作是否在更多数据集上验证其泛化性。