ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

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.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. 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
  2. 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.

Compare side by side

Referenziert von

ScholarGateMultimodal Text Summarization (Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization)). Abgerufen am 2026-06-15 von https://scholargate.app/de/deep-learning/multimodal-text-summarization · Datensatz: https://doi.org/10.5281/zenodo.20539026