Multimodal Spørgsmål-Svar
Multimodal spørgsmål-svar (Multimodal QA) er en klasse af deep-learning-metoder, der besvarer naturlige sprogspørgsmål ved fælles ræsonnement over information fra flere modaliteter – oftest tekst og billeder, men også video, lyd og strukturerede tabeller. Introduceret prominent gennem VQA-benchmarken i 2015, har det siden udviklet sig til et bredt forskningsområde, der driver dokumentforståelse, assistance til medicinsk diagnose og embodied AI.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/da/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.
- BERT-baseret klassifikationDyb læring↔ compare
- Multimodal BERT-baseret klassifikationDyb læring↔ compare
- Multimodale sætningsindlejringerDyb læring↔ compare
- Multimodal tekstresuméDyb læring↔ compare
- Multimodal TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →