論文の概要: Overview of the NLPCC 2025 Shared Task 4: Multi-modal, Multilingual, and Multi-hop Medical Instructional Video Question Answering Challenge

• arxiv url: http://arxiv.org/abs/2505.06814v1
• Date: Sun, 11 May 2025 02:15:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.052051
• Title: Overview of the NLPCC 2025 Shared Task 4: Multi-modal, Multilingual, and Multi-hop Medical Instructional Video Question Answering Challenge
• Title（参考訳）: NLPCC 2025共有タスク4:マルチモーダル・マルチリンガル・マルチホップ医療教育ビデオ質問応答課題の概要
• Authors: Bin Li, Shenxi Liu, Yixuan Weng, Yue Du, Yuhang Tian, Shoujun Zhou,
• Abstract要約: M4IVQA課題は、医療指導ビデオからの情報を統合し、複数の言語を理解し、様々なモダリティの推論を必要とするマルチホップ質問に答えるモデルを評価することに焦点を当てている。 M4IVQAの参加者は、ビデオデータとテキストデータの両方を処理し、多言語クエリを理解し、マルチホップ医療質問に対する関連する回答を提供するアルゴリズムを開発することが期待されている。
• 参考スコア（独自算出の注目度）: 11.103332181075546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Following the successful hosts of the 1-st (NLPCC 2023 Foshan) CMIVQA and the 2-rd (NLPCC 2024 Hangzhou) MMIVQA challenges, this year, a new task has been introduced to further advance research in multi-modal, multilingual, and multi-hop medical instructional question answering (M4IVQA) systems, with a specific focus on medical instructional videos. The M4IVQA challenge focuses on evaluating models that integrate information from medical instructional videos, understand multiple languages, and answer multi-hop questions requiring reasoning over various modalities. This task consists of three tracks: multi-modal, multilingual, and multi-hop Temporal Answer Grounding in Single Video (M4TAGSV), multi-modal, multilingual, and multi-hop Video Corpus Retrieval (M4VCR) and multi-modal, multilingual, and multi-hop Temporal Answer Grounding in Video Corpus (M4TAGVC). Participants in M4IVQA are expected to develop algorithms capable of processing both video and text data, understanding multilingual queries, and providing relevant answers to multi-hop medical questions. We believe the newly introduced M4IVQA challenge will drive innovations in multimodal reasoning systems for healthcare scenarios, ultimately contributing to smarter emergency response systems and more effective medical education platforms in multilingual communities. Our official website is https://cmivqa.github.io/
• Abstract（参考訳）: 1st (NLPCC 2023 Foshan) CMIVQA と 2rd (NLPCC 2024 Hangzhou) MMIVQA のホストの成功に続いて,今年,M4IVQA (M4IVQA) システムにおけるマルチモーダル・マルチリンガル・マルチホップ医療指導質問応答(M4IVQA) のさらなる研究に向けた新たな課題が導入された。 M4IVQA課題は、医療指導ビデオからの情報を統合し、複数の言語を理解し、様々なモダリティの推論を必要とするマルチホップ質問に答えるモデルを評価することに焦点を当てている。 このタスクは、マルチモーダル、マルチリンガル、マルチホップのTemporal Answer Grounding in Single Video (M4TAGSV)、マルチモーダル、マルチリンガル、マルチホップのVideo Corpus Retrieval (M4VCR)、マルチモーダル、マルチリンガル、マルチホップのTemporal Answer Grounding in Video Corpus (M4TAGVC)の3つのトラックで構成される。 M4IVQAの参加者は、ビデオデータとテキストデータの両方を処理し、多言語クエリを理解し、マルチホップ医療質問に対する関連する回答を提供するアルゴリズムを開発することが期待されている。 新たに導入されたM4IVQA課題は、医療シナリオのマルチモーダル推論システムの革新を加速させ、最終的には、よりスマートな緊急対応システムや、多言語コミュニティにおけるより効果的な医療教育プラットフォームに寄与すると考えています。 公式ウェブサイトはhttps://cmivqa.github.io/です。

関連論文リスト

• Overview of TREC 2024 Medical Video Question Answering (MedVidQA) Track [19.06634510937997]
  本稿では,医療ビデオの理解と,自然言語質問に対する視覚的回答を提供するシステム構築に向けた新たな課題を紹介する。 これらのタスクは、公衆および医療専門家に利益をもたらす洗練された下流アプリケーションの開発を支援する可能性がある。
  論文  参考訳（メタデータ） (2024-12-15T05:18:01Z)
• M4U: Evaluating Multilingual Understanding and Reasoning for Large Multimodal Models [27.18427414844769]
  M4Uは多分野多言語マルチモーダル理解と推論の能力を評価するための新しいベンチマークである。 M4Uには、科学、工学、医療の分野で6つの言語で64の分野をカバーする10kのサンプルが含まれている。 M4Uを用いて,LMM(Large Multimodal Model)とLLM(Large Language Model)を外部ツールで広範囲に評価する。
  論文  参考訳（メタデータ） (2024-05-24T15:25:28Z)
• MediFact at MEDIQA-M3G 2024: Medical Question Answering in Dermatology with Multimodal Learning [0.0]
  本稿では,オープンエンド医療質問応答(QA)のための弱教師付き学習アプローチを提案することによって,従来の手法の限界に対処する。 本システムは,VGG16-CNN-SVMモデルを用いて,利用可能なMEDIQA-M3G画像を利用する。 この研究は、医療QA研究を前進させ、臨床意思決定支援システムへの道を切り開き、最終的に医療提供を改善する。
  論文  参考訳（メタデータ） (2024-04-27T20:03:47Z)
• Towards Building Multilingual Language Model for Medicine [54.1382395897071]
  6つの主要言語を含む約25.5Bトークンを含む多言語医療コーパスを構築した。 MMedBench と呼ばれる有理性を持つ多言語医療用多言語質問応答ベンチマークを提案する。 我々の最終モデルであるMMed-Llama 3は、8Bパラメータしか持たないが、MMedBenchおよび英語ベンチマークの他のすべてのオープンソースモデルと比較して優れた性能が得られる。
  論文  参考訳（メタデータ） (2024-02-21T17:47:20Z)
• M3Exam: A Multilingual, Multimodal, Multilevel Benchmark for Examining Large Language Models [76.88692952308084]
  M3Examは、多言語、マルチモーダル、マルチレベルコンテキストにおける大規模言語モデル(LLM)を評価するためのベンチマークである。 M3Examには、9つの言語で12,317の質問があり、3つの教育レベルがある。 我々は,M3Exam上でのLLMの性能評価を行い,GPT-4を含む現在のモデルが多言語テキストに苦戦していることを確認した。
  論文  参考訳（メタデータ） (2023-06-08T13:21:29Z)
• xGQA: Cross-Lingual Visual Question Answering [100.35229218735938]
  xGQAは視覚的質問応答タスクのための新しい多言語評価ベンチマークである。 確立された英語GQAデータセットを7言語に拡張する。 本稿では,マルチモーダルトランスフォーマーモデルに適応するアダプタベースの新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-13T15:58:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。