Soalan Pelbagai Mod (Multimodal Question Answering)
Soalan Pelbagai Mod (Multimodal QA) ialah satu kelas kaedah pembelajaran mendalam yang menjawab soalan bahasa semula jadi dengan menaakul secara bersama maklumat daripada pelbagai modaliti — lazimnya teks dan imej, tetapi juga video, audio dan jadual berstruktur. Diperkenalkan secara ketara melalui penanda aras VQA pada 2015, ia sejak itu telah berkembang menjadi kawasan penyelidikan luas yang memacu pemahaman dokumen, bantuan diagnosis perubatan dan AI terwujud.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT MultimodalPembelajaran Mendalam↔ compare
- Penyematan Zarah Pelbagai Mod (Multimodal Sentence Embeddings)Pembelajaran Mendalam↔ compare
- Peringkasan Teks Multimod,Pembelajaran Mendalam↔ compare
- Transformer MultimodusPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →