Multimodal Question Answering
Multimodal question answering (Multimodal QA) är en klass av djupinlärningsmetoder som besvarar frågor på naturligt språk genom att gemensamt resonera över information från flera modaliteter – oftast text och bilder, men även video, ljud och strukturerade tabeller. Metoden introducerades framträdande genom VQA-riktmärket (benchmark) år 2015 och har sedan dess expanderat till ett brett forskningsområde som driver dokumentförståelse, assistans vid medicinsk diagnostik och inbäddad AI.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multimodal Question Answering (Cross-Modal QA). ScholarGate. https://scholargate.app/sv/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.
- BERT-baserad klassificeringDjupinlärning↔ compare
- Multimodal BERT-baserad klassificeringDjupinlärning↔ compare
- Multimodala meningsinbäddningarDjupinlärning↔ compare
- Multimodal textsammanfattningDjupinlärning↔ compare
- Multimodal TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →