ScholarGate
Асистент

Порівняння методів

Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.

Багатомодальне розпізнавання іменованих сутностей×Мультимодальний Трансформер×
ГалузьГлибоке навчанняГлибоке навчання
РодинаMachine learningMachine learning
Рік появи20182019–2021
Автор методуMoon, S.; Lu, D. et al.Lu et al. (ViLBERT); Radford et al. (CLIP)
ТипSequence labeling with multimodal fusionCross-modal attention-based deep learning model
Основоположне джерелоMoon, S., Neves, L., & Carvalho, V. (2018). Multimodal Named Entity Recognition for Short Social Media Posts. Proceedings of NAACL-HLT 2018, pp. 852–860. Association for Computational Linguistics. link ↗Lu, J., Batra, D., Parikh, D., & Lee, S. (2019). ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks. Advances in Neural Information Processing Systems (NeurIPS), 32. link ↗
Інші назвиMultimodal NER, MNER, Visual NER, Cross-modal Named Entity Recognitionmultimodal attention model, cross-modal transformer, vision-language transformer, multi-modal fusion transformer
Пов'язані65
ПідсумокMultimodal Named Entity Recognition (MNER) extends classical NER by fusing textual sequences with complementary modalities — most commonly images — to improve the identification and classification of named entities such as persons, organizations, and locations in settings where visual context disambiguates ambiguous or sparse text.A Multimodal Transformer extends the standard Transformer architecture to process and jointly reason over two or more input modalities — most commonly text and images, but also audio, video, or structured data. Cross-modal attention layers allow information from one modality to inform representations in another, enabling tasks such as visual question answering, image captioning, and multimodal sentiment analysis.
ScholarGateНабір даних
  1. v1
  2. 2 Джерела
  3. PUBLISHED
  1. v1
  2. 2 Джерела
  3. PUBLISHED

Перейти до пошуку Завантажити слайди

ScholarGateПорівняння методів: Multimodal Named Entity Recognition · Multimodal Transformer. Отримано 2026-06-18 з https://scholargate.app/uk/compare