Resumen de texto multimodal
El resumen de texto multimodal genera un resumen textual conciso procesando conjuntamente múltiples modalidades de entrada —comúnmente texto e imágenes, pero también fotogramas de vídeo o audio— utilizando modelos de aprendizaje profundo que alinean representaciones visuales y lingüísticas. La salida es un resumen en lenguaje natural que captura el contenido saliente de todas las modalidades disponibles.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/es/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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Resumen de texto ajustado mediante ajuste finoAprendizaje profundo↔ compare
- Clasificación multimodal basada en BERTAprendizaje profundo↔ compare
- Preguntas y respuestas multimodalesAprendizaje profundo↔ compare
- Transformador MultimodalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →