BriefGPT - AI 论文速递 · 2024-12-05T00:00:00Z M$^{3}$D: A Multimodal, Multilingual, and Multitask Dataset for Document-level Information Extraction 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究构建了M$^{3}$D数据集，解决了多模态信息提取中视频基础和细粒度视觉定位的不足。该数据集支持多种多模态任务，包含英文和中文的文档级文本与视频对。研究表明，提出的分层多模态信息提取模型在处理缺失模态时表现优异。 🏷️ 标签 M$^{3}$D数据集 dataset 分层模型 多模态信息提取 细粒度视觉定位 视频基础 阅读原文 生成长图 分享链接 已复制链接
