Multimodalno sažimanje teksta
Multimodalno sažimanje teksta generira sažeti tekstualni sažetak zajedničkim procesuiranjem više ulaznih modaliteta — najčešće teksta i slika, ali također i video okvira ili zvuka — pomoću modela dubokog učenja koji usklađuju vizualne i jezične reprezentacije. Izlaz je sažetak na prirodnom jeziku koji obuhvaća najvažniji sadržaj iz svih dostupnih modaliteta.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/hr/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-tem klasifikacijaDuboko učenje↔ compare
- Prilagođeno sažimanje tekstaDuboko učenje↔ compare
- Multimodalna klasifikacija utemeljena na BERT-uDuboko učenje↔ compare
- Višeznačno odgovaranje na pitanjaDuboko učenje↔ compare
- Multimodalni TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →