Sumarização de Texto Multimodal
A sumarização de texto multimodal gera um resumo textual conciso processando conjuntamente múltiplas modalidades de entrada — mais comumente texto e imagens, mas também quadros de vídeo ou áudio — usando modelos de aprendizado profundo que alinham representações visuais e linguísticas. A saída é um resumo em linguagem natural que captura o conteúdo saliente de todas as modalidades disponíveis.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/pt/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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Sumarização de Texto AjustadaAprendizado profundo↔ compare
- Classificação Multimodal Baseada em BERTAprendizado profundo↔ compare
- Resposta a Perguntas MultimodaisAprendizado profundo↔ compare
- Transformer MultimodalAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →