Multimodalno sažimanje teksta
Multimodal text summarization generiše sažet tekstualni rezime zajedničkim procesuiranjem više ulaznih modaliteta — najčešće teksta i slika, ali takođe i video-frejmova ili zvuka — korišćenjem modela dubokog učenja koji usklađuju vizuelne i lingvističke reprezentacije. Izlaz je rezime na prirodnom jeziku koji obuhvata najvažniji sadržaj iz svih dostupnih modaliteta.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
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/sr/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-based ClassificationDuboko učenje↔ compare
- Fino podešena sumerizacija tekstaDuboko učenje↔ compare
- Multimodalna klasifikacija zasnovana na BERT-uDuboko učenje↔ compare
- Multimodalno postavljanje pitanjaDuboko učenje↔ compare
- Multimodalni TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →