IntReal: Một bộ dữ liệu thế giới thực và bài đo chuẩn cho thế hệ liên kết đa phương tiện

Đoạn trích bài viết

Con người thường xuyên tiêu thụ nội dung đa phương thức, nơi thông tin văn bản và hình ảnh tự nhiên được giao tiếp. Mặc dù các mô hình đa phương thống nhất (UMM) có thể cùng nhau tạo ra văn bản và hình ảnh, thế hệ đa phương liên kết vẫn chưa được khám phá. Những tiến bộ trong lĩnh vực này bị cản trở bởi hai yếu tố chính.