マルチモーダル学習

私たちの住む現実世界では、情報は様々なモーダル情報で表現されています。例えばYoutubeのような動画の場合でも、動画、テキスト、音声、再生回数、投稿日…など様々なデータで構成されています。人間はこれら複数のモーダル情報を 五感から取り入れ...