Ερώτηση-Απάντηση Πολλαπλών Τροπικοτήτων
Η Ερώτηση-Απάντηση Πολλαπλών Τροπικοτήτων (Multimodal QA) είναι μια κατηγορία μεθόδων βαθιάς μάθησης που απαντούν σε ερωτήσεις φυσικής γλώσσας, συλλογιζόμενες από κοινού πληροφορίες από πολλαπλές τροπικότητες — συνηθέστερα κείμενο και εικόνες, αλλά και βίντεο, ήχο και δομημένους πίνακες. Εισήχθη εμφατικά μέσω του δείγματος VQA το 2015 και έκτοτε έχει επεκταθεί σε ένα ευρύ ερευνητικό πεδίο που τροφοδοτεί την κατανόηση εγγράφων, την υποβοήθηση ιατρικής διάγνωσης και την ενσωματωμένη τεχνητή νοημοσύνη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/el/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.
- Ταξινόμηση Βασισμένη σε BERTΒαθιά Μάθηση↔ compare
- Ταξινόμηση Βασισμένη σε Πολυτροπικό BERTΒαθιά Μάθηση↔ compare
- Πολυτροπικές Ενσωματώσεις ΠροτάσεωνΒαθιά Μάθηση↔ compare
- Περίληψη πολυτροπικού κειμένουΒαθιά Μάθηση↔ compare
- Πολυτροπικός ΜετασχηματιστήςΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →