研究人员开发了 ManGo（Manga Active Narrative Grounding Optimization），一个旨在改进漫画视觉问答的无监督框架。该框架利用主动叙事草图（ANS）来迭代选择相关分镜、提取关键信息，并确定何时收集了足够的信息来回答问题。ManGo 采用新颖的组相对训练方法，通过回答准确性和路径一致性奖励，使其能够在无需人工标注答案的情况下，在漫画理解基准测试中取得最先进的成果。 AI
影响 该框架可以通过改进模型对顺序、叙事性视觉数据的理解和推理能力，来推动多模态人工智能能力的发展。
排序理由 该集群描述了一篇介绍特定人工智能任务新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
