Multimodal summarization with modality features alignment and features filtering

计算机科学 预处理器 人工智能 自动汇总 情态动词 模式 滤波器(信号处理) 光学(聚焦) 模式识别(心理学) 模态(人机交互) 判别式 机器学习 计算机视觉 社会科学 化学 物理 社会学 高分子化学 光学
作者
Binghao Tang,Boda Lin,Zheng Chang,Si Li
出处
期刊:Neurocomputing [Elsevier]
卷期号:603: 128270-128270
标识
DOI:10.1016/j.neucom.2024.128270
摘要

Previous studies about MultiModal Summarization (MMS) mainly focus on effective selection and filtering of visual features to assist in cross-modal fusion and text-based generation. However, there exists a natural disparity between the distributions of features from different modalities which limits a more comprehensive cross-modal fusion for MMS models. In this paper, we propose to utilize Maximum Mean Discrepancy (MMD) to align the features from two modalities, design a filter to further denoise the visual features, and conduct cross-modal fusion based on generative pre-trained language models for better cross-modal fusion and text generation. Moreover, we notice the presence of some special tokens in the MMS dataset which are introduced in prior data preprocessing. This phenomenon could limit the performance of contemporary generative models. Thus we adopt the powerful Large Language Model (LLM) to preprocess the dataset to enhance MMS models. Experimental results on the original MMS dataset demonstrate that our proposed method is effective and outperforms previous strong baselines. Experimental results on the preprocessed MMS dataset also demonstrate the feasibility of incorporating LLM in the data preprocessing to enhance MMS models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
热爱完成签到,获得积分10
刚刚
1秒前
叫滚滚发布了新的文献求助10
2秒前
星瑆心完成签到,获得积分10
2秒前
啦啦啦啦啦完成签到,获得积分10
3秒前
Lyg发布了新的文献求助10
3秒前
Dksido完成签到,获得积分10
4秒前
兰博基尼奥完成签到,获得积分10
4秒前
热情芷荷发布了新的文献求助10
6秒前
random完成签到,获得积分10
7秒前
7秒前
果果瑞宁完成签到,获得积分10
7秒前
8秒前
机智小虾米完成签到,获得积分20
8秒前
goldenfleece完成签到,获得积分10
9秒前
科研通AI2S应助学者采纳,获得10
9秒前
小杨完成签到,获得积分10
10秒前
sutharsons应助科研通管家采纳,获得30
11秒前
11秒前
Ava应助科研通管家采纳,获得10
11秒前
慕青应助科研通管家采纳,获得10
11秒前
所所应助科研通管家采纳,获得10
11秒前
在水一方应助科研通管家采纳,获得10
11秒前
小蘑菇应助科研通管家采纳,获得10
11秒前
科研通AI5应助科研通管家采纳,获得30
11秒前
传奇3应助科研通管家采纳,获得10
11秒前
科目三应助科研通管家采纳,获得10
11秒前
NexusExplorer应助科研通管家采纳,获得10
11秒前
CipherSage应助科研通管家采纳,获得30
11秒前
SciGPT应助科研通管家采纳,获得10
11秒前
Eric_Lee2000应助科研通管家采纳,获得10
11秒前
斯文败类应助科研通管家采纳,获得10
11秒前
11秒前
王子完成签到,获得积分10
12秒前
李繁蕊发布了新的文献求助10
13秒前
诚心的大碗应助明理念桃采纳,获得20
13秒前
14秒前
meng完成签到,获得积分10
14秒前
学者完成签到,获得积分10
14秒前
英俊的铭应助愉快盼曼采纳,获得10
15秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527961
求助须知:如何正确求助?哪些是违规求助? 3108159
关于积分的说明 9287825
捐赠科研通 2805882
什么是DOI,文献DOI怎么找? 1540070
邀请新用户注册赠送积分活动 716926
科研通“疑难数据库(出版商)”最低求助积分说明 709808