Multimodal Word2Vec

Multimodal Word2Vec udvider det klassiske Word2Vec-framework ved at forankre ordrepræsentationer i perceptuelle signaler – typisk billedtræk – sideløbende med distributionelle tekststatistikker. Resultatet er ordvektorer, der indfanger både lingvistiske co-occurrence-mønstre og visuel mening, hvilket muliggør rigere vurderinger af semantisk lighed og bedre ydeevne på konceptniveauopgaver, hvor rent tekstbaserede indlejringer kommer til kort.