多模态知识图谱（MMKG）储存了包含丰富多模态描述资讯结构化世界知识。
为了克服其固有的不完整性，多模态知识图谱补全（MMKGC）旨在利用三元组的结构资讯和
实体的多模态讯息，从给定的多模态知识图谱中发现未观察到的知识。
现有的 MMKGC 方法通常使用预先训练好的模型来提取多模态特征，并采用融合模组将多模
态特征与三元组预测结合。然而，这往往导致对多模态资料的粗略处理，忽略了细微、精
细的语义细节及其相互作用。
为了解决这一不足，我们引入了一个新颖的框架 MyGO ，用于处理、融合和增强
MMKG 的细粒度模态资讯。MyGO 将多模态原始资料标记为细粒度的离散标记，并
透过跨模态实体编码器学习实体表征。为了进一步增强多模态表征，MyGO 采用了
细粒度对比学习技术，以突显实体表征的特殊性。
arxiv : https://arxiv.org/abs/2402.05391
github : https://github.com/zjukg/MyGO
我是没想到连这个也会GO
然后提醒一下 这论文是认真做的 不是搞耍 不要去人家的issues乱
https://i.imgur.com/ech1Oji.png

中国人素质

这没啥吧 我记得也看过老外玩萨尔达梗