Multimodal NLP — Razumevanje vizuelno-jezičkih podataka
Multimodal NLP je porodica sistema za obradu prirodnog jezika koji kombinuju tekst sa jednom ili više dodatnih modаlnosti podataka — najčešće slike, ali i audio i video — za obavljanje zadataka razumevanja i generisanja kao što su vizuelno odgovaranje na pitanja, opisivanje slika slikama i multimodalna analiza sentimenta. Ova oblast je dobila svoj savremeni oblik sa CLIP-om (Radford et al., 2021) i od tada je napredovala kroz arhitekture kao što je BLIP-2 (Li et al., 2023) koje povezuju zamrznute vizuelne enkodere i velike jezičke modele.
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
- Radford, A., Kim, J.W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), 8748–8763. link ↗
- Li, J., Li, D., Savarese, S., & Hoi, S. (2023). BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models. Proceedings of the 40th International Conference on Machine Learning (ICML), 19730–19742. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Multimodal Natural Language Processing. ScholarGate. https://scholargate.app/sr/text-mining/multimodal-nlp
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.
- Mehanizam pažnjeDuboko učenje↔ compare
- BERT EmbeddingsRudarenje teksta↔ compare
- Analiza sentimentaRudarenje teksta↔ compare
- Vision TransformerDuboko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →