bilinear pooling主要用于特征融合，对于从同一个样本提取出来的特征x和特征y，通过bilinear pooling得到两个特征融合后的向量，进而用来分类。
如果特征x和特征y来自两个特征提取器，则被称为多模双线性池化（MBP，Multimodal Bilinear Pooling）；
如果特征x=特征y，则被称为同源双线性池化（HBP，Homogeneous Bilinear Pooling）或者二阶池化（Second-order Pooling）。
原始的Bilinear Pooling存在融合后的特征维数过高的问题，融合后的特征维数=特征x和特征y的维数之积。原作者尝试了PCA降维，但效果并不理想。
(1)双线性池化及其变体
- Bilinear CNN Models for Fine-grained Visual Recognition（2015）
- CBP: Compact Bilinear Pooling
- MCBP: Multimodal Compact Bilinear Pooling
- LRBP：Low-rank Bilinear Pooling
- Grassmann Pooling
（2）从bilinear pooling到billinear model
《Factorized bilinear models for image recognition》是ICCV2017的文章，虽然本文也是针对HBP的研究，但成功地把bilinear model与bilinear pooling联系起来。
- MLB：Multimodal Low-rank Bilinear Pooling
- MFB：Multi-modal factorized bilinear pooling