Réponse aux questions multimodales
La réponse aux questions multimodales (Multimodal QA) est une classe de méthodes d'apprentissage profond qui répondent à des questions en langage naturel en raisonnant conjointement sur des informations provenant de plusieurs modalités — le plus souvent du texte et des images, mais aussi de la vidéo, de l'audio et de tableaux structurés. Introduite de manière proéminente par le benchmark VQA en 2015, elle s'est depuis étendue à un vaste domaine de recherche alimentant la compréhension de documents, l'assistance au diagnostic médical et l'IA incarnée.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- Classification multimodale basée sur BERTApprentissage profond↔ compare
- Plongements de phrases multimodauxApprentissage profond↔ compare
- Synthèse multimodale de texteApprentissage profond↔ compare
- Transformeur MultimodalApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →