Multimodální sumarizace textu
Multimodální sumarizace textu generuje stručné textové shrnutí společným zpracováním více vstupních modalit — nejčastěji textu a obrázků, ale také video snímků nebo zvuku — pomocí hlubokých učících modelů, které sladí vizuální a lingvistické reprezentace. Výstupem je shrnutí v přirozeném jazyce, které zachycuje podstatný obsah ze všech dostupných modalit.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Zhu, J., Li, H., Liu, T., Zhou, Y., Zhang, J., & Zong, C. (2018). MSMO: Multimodal Summarization with Multimodal Output. Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing (EMNLP), 4154–4164. link ↗
- Zhu, J., Zhou, Y., Zhang, J., Li, H., Zong, C., & Li, C. (2020). Multimodal Summarization with Guidance of Multimodal Reference. Proceedings of the AAAI Conference on Artificial Intelligence, 34(05), 9749–9756. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-text-summarization
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.
- Klasifikace založená na BERTHluboké učení↔ compare
- Jemné doladění sumarizace textuHluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální odpovídání na otázkyHluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →