Multimodale Textzusammenfassung
Multimodale Textzusammenfassung generiert eine prägnante textuelle Zusammenfassung durch gemeinsame Verarbeitung mehrerer Eingabemodalitäten – am häufigsten Text und Bilder, aber auch Videobilder oder Audio – unter Verwendung von Deep-Learning-Modellen, die visuelle und sprachliche Repräsentationen aufeinander abstimmen. Die Ausgabe ist eine natürlichsprachliche Zusammenfassung, die relevante Inhalte aus allen verfügbaren Modalitäten erfasst.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/de/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.
- BERT-basierte KlassifikationDeep Learning↔ compare
- Feinabgestimmte TextzusammenfassungDeep Learning↔ compare
- Multimodale BERT-basierte KlassifikationDeep Learning↔ compare
- Multimodale FragebeantwortungDeep Learning↔ compare
- Multimodaler TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →