CT2C-QA：针对中文文本、表格和图表的多模态问答

BriefGPT - AI 论文速递 · 2024-10-28T00:00:00Z

本文提出了多模态问答挑战ManyModalQA，涵盖文本、图像和表格三种模态。通过从维基百科爬取数据并众包问题-答案对，构建了模态选择器网络以进行消歧。基于此，开发了ManyModalQA基线模型，旨在推动多模态QA模型的研究与迁移学习。