arXiv · NLP· Daniela Jimenez-Pano, Hugo Jair Escalante, Delia Iraz\'u Hern\'andez-Far\'ias·2026-10-19 12:00· 8 小时前AI 评分20

门控多模态表征增强基于 RAG 的医疗视觉问答

Enhancing RAG-based Medical VQA with Gated Multimodal Representations

AI 导读

提出一种基于门控多模态单元（Gated Multimodal Unit）的 RAG 框架，用于医疗视觉问答（MVQA）。该框架通过联合查询表征提取双模态证据，且保持底层医疗大视觉语言模型（Med-LVLM）冻结。在基准测试中，其性能一致优于参考模型，并与最先进方法具有竞争力。

来源：arXiv · NLP · arxiv.org