영상과 이미지에서 의미 있는 시각 단서를 추출하고 장면의 구조와 관계를 이해하는 연구

비전 신호와 언어를 공동으로 학습해 질의에 근거한 의미를 정합적으로 도출하는 연구

시각 입력에서 의미 단위를 추출하고 이를 자연어로 구조화해 생성하는 연구