Machine learningDeep learning / NLP / CV

إجابة الأسئلة متعددة الوسائط

تُعدّ إجابة الأسئلة متعددة الوسائط (Multimodal QA) فئة من أساليب التعلم العميق التي تجيب على أسئلة اللغة الطبيعية من خلال الاستدلال المشترك على المعلومات من وسائط متعددة — وأكثرها شيوعًا النص والصور، ولكن أيضًا الفيديو والصوت والجداول المنظمة. وقد توسعت منذ تقديمها بشكل بارز من خلال معيار VQA في عام 2015، لتصبح مجال بحث واسع يدعم فهم المستندات، والمساعدة في التشخيص الطبي، والذكاء الاصطناعي المتجسد.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Antol, S., Agrawal, A., Lu, J., Mitchell, M., Batra, D., Zitnick, C. L., & Parikh, D. (2015). VQA: Visual Question Answering. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2425–2433. DOI: 10.1109/ICCV.2015.279
  2. Xu, P., Zhu, X., & Clifton, D. A. (2023). Multimodal learning with transformers: A survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(10), 12113–12132. DOI: 10.1109/TPAMI.2023.3275156

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/ar/deep-learning/multimodal-question-answering

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

ScholarGateMultimodal question answering (Multimodal Question Answering (Cross-Modal QA)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/deep-learning/multimodal-question-answering · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026