Risposta a domande multimodali
La risposta a domande multimodali (Multimodal QA) è una classe di metodi di deep learning che rispondono a domande in linguaggio naturale ragionando congiuntamente su informazioni provenienti da più modalità — più comunemente testo e immagini, ma anche video, audio e tabelle strutturate. Introdotta in modo prominente attraverso il benchmark VQA nel 2015, si è da allora espansa in un'ampia area di ricerca che alimenta la comprensione dei documenti, l'assistenza alla diagnosi medica e l'intelligenza artificiale incarnata (embodied AI).
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/it/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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Classificazione basata su BERT multimodaleApprendimento profondo↔ compare
- Embedding multimodali di frasiApprendimento profondo↔ compare
- Riassunto di testi multimodaliApprendimento profondo↔ compare
- Transformer MultimodaleApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →