Techniki podsumowywania kolekcji obrazów mają na celu stworzenie zwięzłej reprezentacji galerii zdjęć poprzez staranny wybór obrazów, które najlepiej oddają jej treść. W przypadku treści internetowych idealny wybór obrazów może się jednak różnić w zależności od intencji i preferencji użytkownika. Ma to szczególne znaczenie w serwisie Booking.com, gdzie ważne jest, aby prezentowane obiekty i ich wizualne podsumowania spełniały oczekiwania użytkowników.

Aby sprostać temu wyzwaniu, uwzględniamy intencje użytkowników w procesie podsumowywania wizualnych prezentacji obiektów, analizując recenzje użytkowników i wyodrębniając najważniejsze aspekty, które są w nich wspomniane. Dzięki wykorzystaniu wniosków z recenzji możemy ulepszyć wizualne podsumowania, pokazując treści, które są istotne dla użytkownika, i to bez konieczności kosztownych adnotacji.

Nasze eksperymenty, w tym badania percepcji użytkowników, pokazują wyższość naszej międzymodalnej metody, którą nazwaliśmy CrossSummarizer, nad rozwiązaniami bez personalizacji oraz opartymi na grupowaniu obrazów.