Multimodales NLP — Verstehen von Sprache und Bild
Multimodales NLP ist eine Familie von Pipelines zur Verarbeitung natürlicher Sprache, die Text mit einer oder mehreren zusätzlichen Datenmodalitäten – am häufigsten Bilder, aber auch Audio und Video – kombinieren, um Verstehens- und Generierungsaufgaben wie visuelle Fragebeantwortung, Bildunterschriftenerstellung und multimodale Stimmungsanalyse durchzuführen. Das Feld gewann seine moderne Form mit CLIP (Radford et al., 2021) und hat sich seitdem durch Architekturen wie BLIP-2 (Li et al., 2023) weiterentwickelt, die gefrorene Bild-Encoder und große Sprachmodelle verbinden.
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
- Radford, A., Kim, J.W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), 8748–8763. link ↗
- Li, J., Li, D., Savarese, S., & Hoi, S. (2023). BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models. Proceedings of the 40th International Conference on Machine Learning (ICML), 19730–19742. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Multimodal Natural Language Processing. ScholarGate. https://scholargate.app/de/text-mining/multimodal-nlp
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.
- Attention MechanismDeep Learning↔ compare
- BERT-EinbettungenText Mining↔ compare
- Sentiment-AnalyseText Mining↔ compare
- Vision TransformerDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →