Multimodális szövegösszegzés
A multimodális szövegösszegzés egy tömör szöveges összefoglalót generál több bemeneti modalitás – leggyakrabban szöveg és képek, de akár videokockák vagy hang is – együttes feldolgozásával, mélytanulási modellek segítségével, amelyek összehangolják a vizuális és a nyelvi reprezentációkat. A kimenet egy természetes nyelvű összefoglaló, amely megragadja az összes rendelkezésre álló modalitás lényeges tartalmát.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/hu/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-alapú osztályozásMélytanulás↔ compare
- Finomhangolt szöveges összefoglalásMélytanulás↔ compare
- Multimodális BERT-alapú osztályozásMélytanulás↔ compare
- Multimodális kérdésmegválaszolásMélytanulás↔ compare
- Multimodális transzformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →