跳到正文
热点事件持续更新

研究者提出CEMMKG框架增强多模态GraphRAG

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Zongyu Wu 等研究者在 arXiv 论文中提出 CEMMKG(上下文增强多模态知识图谱)框架,通过为每张图像补充局部和全局两层文本上下文来缓解图像与文本间的语义鸿沟,以支持多模态 GraphRAG。 局部上下文不局限于图像邻近文本,而是融合与图像语义相关的句子;全局上下文则提供整篇文档的摘要。作者称,在多个数据集上的大量实验验证了该框架能有效利用上下文信息提升基于 MMKG 的 RAG 性能,且适用于多种此类方法。

AI 根据报道生成 · 47 分钟前更新

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:多粒度上下文增强的多模态知识图谱 RAG 框架

    研究者提出 CEMMKG 框架,通过在局部和全局两个范围上为每张图像补充文本上下文来构建上下文增强多模态知识图谱,以缓解图像与文本间的语义鸿沟。局部上下文采用多粒度设计,融合与图像语义相关的句子而非仅限邻近文本。多数据集实验显示 CEMMKG 能提升多模态 GraphRAG 性能,并适用于多种基于 MMKG 的 RAG 方法。

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。