Multimodaalne tekstikokkuvõte
Multimodaalne tekstikokkuvõte genereerib lühikese tekstilise kokkuvõtte, töödeldes ühiselt mitut sisendmodaalust – kõige sagedamini teksti ja pilte, aga ka videokaadreid või heli – kasutades süvaõppe mudeleid, mis viivad visuaalsed ja lingvistilised representatsioonid vastavusse. Väljundiks on loomuliku keele kokkuvõte, mis haarab kõigist saadaolevatest modaalsustest olulise sisu.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/et/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-põhine klassifitseerimineSüvaõpe↔ compare
- Peenreguleeritud tekstikokkuvõteSüvaõpe↔ compare
- Mitmemodaalne BERT-põhine klassifitseerimineSüvaõpe↔ compare
- Multimodaalne küsimustele vastamineSüvaõpe↔ compare
- Multimodaalne TransformerSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →