Multimodální zpracování přirozeného jazyka — porozumění obrazu a jazyku
Multimodální zpracování přirozeného jazyka (NLP) je rodina pipeline pro zpracování přirozeného jazyka, které kombinují text s jednou nebo více dalšími datovými modalitami — nejčastěji obrazy, ale také zvukem a videem — k provádění úloh porozumění a generování, jako je vizuální odpovídání na otázky, popisování obrazu a rozpoznávání multimodálních sentimentů. Tento obor získal svou moderní podobu s modelem CLIP (Radford et al., 2021) a od té doby pokročil prostřednictvím architektur, jako je BLIP-2 (Li et al., 2023), které propojují zmrazené obrazové enkodéry a velké jazykové modely.
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
- Radford, A., Kim, J.W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), 8748–8763. link ↗
- Li, J., Li, D., Savarese, S., & Hoi, S. (2023). BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models. Proceedings of the 40th International Conference on Machine Learning (ICML), 19730–19742. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Multimodal Natural Language Processing. ScholarGate. https://scholargate.app/cs/text-mining/multimodal-nlp
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.
- Mechanismus pozornostiHluboké učení↔ compare
- BERT EmbeddingsDolování textu↔ compare
- Analýza sentimentuDolování textu↔ compare
- Vision TransformerHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →