Мультимодальне узагальнення тексту
Мультимодальне узагальнення тексту генерує стислий текстовий виклад шляхом спільної обробки кількох вхідних модальностей — найчастіше тексту та зображень, але також кадрів відео або аудіо — за допомогою моделей глибокого навчання, які узгоджують візуальні та мовні представлення. Результатом є виклад природною мовою, що охоплює найважливіший зміст усіх доступних модальностей.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multimodal Text Summarization (Cross-Modal Abstractive and Extractive Summarization). ScholarGate. https://scholargate.app/uk/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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Точне налаштування резюмування текстуГлибоке навчання↔ compare
- Мультимодальна класифікація на основі BERTГлибоке навчання↔ compare
- Мультимодальне відповідання на запитанняГлибоке навчання↔ compare
- Мультимодальний ТрансформерГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →