ScholarGate
Trợ lý

So sánh phương pháp

Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.

Hỏi đáp đa phương thức×Tóm tắt văn bản đa phương thức×
Lĩnh vựcHọc sâuHọc sâu
HọMachine learningMachine learning
Năm ra đời20152018
Người khởi xướngAntol, S. et al. (VQA team, Facebook AI Research / Virginia Tech)Zhu et al. (pioneering MSMO framework)
LoạiSupervised multimodal learningGenerative / extractive NLP with visual input
Công trình gốcAntol, 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 ↗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 ↗
Tên gọi khácMultimodal QA, Cross-modal question answering, Visual question answering, VQAMMS, multimodal summarization, cross-modal summarization, vision-language summarization
Liên quan55
Tóm tắtMultimodal question answering (Multimodal QA) is a class of deep-learning methods that answer natural-language questions by jointly reasoning over information from multiple modalities — most commonly text and images, but also video, audio, and structured tables. Introduced prominently through the VQA benchmark in 2015, it has since expanded into a broad research area powering document understanding, medical diagnosis assistance, and embodied AI.Multimodal text summarization generates a concise textual summary by jointly processing multiple input modalities — most commonly text and images, but also video frames or audio — using deep learning models that align visual and linguistic representations. The output is a natural-language summary that captures salient content from all available modalities.
ScholarGateBộ dữ liệu
  1. v1
  2. 2 Nguồn tài liệu
  3. PUBLISHED
  1. v1
  2. 2 Nguồn tài liệu
  3. PUBLISHED

Đến trang tìm kiếm Tải xuống bản trình chiếu

ScholarGateSo sánh phương pháp: Multimodal question answering · Multimodal Text Summarization. Truy cập ngày 2026-06-18 từ https://scholargate.app/vi/compare