跳到正文
热点事件持续更新

研究者提出CEMMKG多模态知识图谱框架

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Zongyu Wu等作者提出上下文增强多模态知识图谱框架CEMMKG,为每张图像补充局部与全局文本上下文,以缓解图文语义鸿沟。局部上下文除周边文本外还纳入与图像语义相关的句子,并采用多粒度设计捕捉不同细节层级的信息;全局上下文则提供整篇文档摘要。 作者称,多数据集实验表明该框架能利用上下文信息提升基于MMKG的RAG性能,且在不同MMKG-based RAG方法上均有效。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    CEMMKG:面向多模态知识图谱 RAG 的多粒度上下文增强框架

    研究者提出 CEMMKG 框架,通过为每张图像补充局部与全局文本上下文来构建上下文增强的多模态知识图谱,以缓解图文语义鸿沟。局部上下文除周边文本外还纳入与图像语义相关的句子,并采用多粒度设计捕捉不同细节层级的信息,全局上下文则提供整篇文档摘要。多数据集实验表明,该框架能有效利用上下文信息提升基于 MMKG 的 RAG 性能,且在不同 MMKG-based RAG 方法上均有效。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。