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 社会学 物理 光学 化学 高分子化学 社会科学
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
搬运工发布了新的文献求助30
4秒前
Zangzang完成签到,获得积分10
6秒前
6秒前
7秒前
月弯弯发布了新的文献求助10
10秒前
10秒前
mizusu完成签到,获得积分10
11秒前
单薄眼睛发布了新的文献求助10
12秒前
在水一方应助乐橙采纳,获得10
12秒前
脑洞疼应助小白采纳,获得10
14秒前
Singularity举报guojd求助涉嫌违规
14秒前
角鸮完成签到,获得积分10
15秒前
lxy发布了新的文献求助10
15秒前
达达爱大雪完成签到,获得积分10
18秒前
orixero应助hebilie采纳,获得10
18秒前
Ellen完成签到 ,获得积分10
18秒前
19秒前
Jasper应助张才豪采纳,获得10
22秒前
22秒前
22秒前
22秒前
认真航空发布了新的文献求助10
22秒前
chenshiyi185完成签到,获得积分20
23秒前
燕儿应助旺旺碎采纳,获得10
25秒前
Ryuichi完成签到 ,获得积分10
25秒前
25秒前
乐橙发布了新的文献求助10
25秒前
25秒前
贪玩绮南发布了新的文献求助10
26秒前
冷静新烟发布了新的文献求助10
26秒前
28秒前
JamesPei应助lxy采纳,获得10
30秒前
31秒前
32秒前
34秒前
火炉猫猫完成签到,获得积分10
34秒前
Mineme发布了新的文献求助10
34秒前
34秒前
35秒前
123发布了新的文献求助10
36秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161006
求助须知:如何正确求助?哪些是违规求助? 2812229
关于积分的说明 7895058
捐赠科研通 2471142
什么是DOI,文献DOI怎么找? 1315908
科研通“疑难数据库(出版商)”最低求助积分说明 631069
版权声明 602086