Multimodal question answering
Multimodal question answering (Multimodal QA) is a class of deep-learning methods that answer natural-language questions by jointly reasoning over information from multiple modalities — most commonly text and images, but also video, audio, and structured tables. Introduced prominently through the VQA benchmark in 2015, it has since expanded into a broad research area powering document understanding, medical diagnosis assistance, and embodied AI.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.