Extraction de phrases et ancrage (PEG)

L'extraction de phrases et l'ancrage (PEG) est une tâche qui combine le traitement automatique des langues naturelles avec la vision par ordinateur, visant à extraire des phrases du texte et à localiser simultanément les objets correspondants dans les images. Cette tâche améliore la précision et la granularité de la compréhension des scènes grâce à la fusion d'informations multimodales, et elle présente une valeur d'application importante dans des domaines tels que la légendage d'images, la réponse aux questions visuelles et la recherche de contenu.