面向结构感知的多模态知识图谱补全：TSAM 模型研究
以结构表示为锚点的细粒度多模态融合框架，将视觉与文本离散为 token 并统一到共享空间，通过双向对比学习让多模态向结构空间对齐，保持结构模态的主导地位。
APKGC：带注意力惩罚的噪声加强多模态知识图谱补全
面向多模态知识图谱补全，将自适应噪声采样与注意力惩罚策略相结合，缓解注意力过度信任问题，提升模型对噪声数据的鲁棒性。
大模型驱动的均衡多模态知识图谱补全：LBMKGC 模型研究
面向多模态知识图谱补全的均衡融合框架，结合 SDXL 视觉补全、CLIP 跨模态语义对齐与上下文自适应融合，缓解跨实体模态不均衡与模态贡献不一致问题。