Multimodale Fragebeantwortung
Multimodale Fragebeantwortung (Multimodal QA) ist eine Klasse von Deep-Learning-Methoden, die natürlichsprachliche Fragen beantworten, indem sie gemeinsam Informationen aus mehreren Modalitäten – am häufigsten Text und Bilder, aber auch Video, Audio und strukturierte Tabellen – verarbeiten. Prominent eingeführt durch den VQA-Benchmark im Jahr 2015, hat es sich seitdem zu einem breiten Forschungsgebiet entwickelt, das Dokumentenverständnis, Unterstützung bei der medizinischen Diagnose und verkörperte KI antreibt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/de/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-basierte KlassifikationDeep Learning↔ compare
- Multimodale BERT-basierte KlassifikationDeep Learning↔ compare
- Multimodale Satz-EinbettungenDeep Learning↔ compare
- Multimodale TextzusammenfassungDeep Learning↔ compare
- Multimodaler TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →