GQA 2019 挑战赛亚军方案
计算机视觉与模式识别
2019-08-20 v2
摘要
我们提出了一种简单的方法，在涉及复杂推理的视觉问答中取得了出乎意料的优异性能。我们的方案从一幅图像所有被问问题的高频词中收集统计特征，并将其作为准确知识来回答同一幅图像的进一步问题。我们充分意识到这种设置并非普遍适用，在更常见的设置中应当假设问题是分别提出的，且无法被收集以构建知识库。尽管如此，我们使用该方法作为证据来展示我们的观察：瓶颈效应在特征提取部分比在知识推理部分更为严重。我们展示了在使用相同推理模型时，1）真实标注特征；2）统计特征；3）完全由学习得到的检测器检测到的特征之间的显著差距，并分析了这些差距对视觉推理主题研究的意义。我们使用统计特征的模型在 GQA 2019 挑战赛中获得亚军。
引用
@article{arxiv.1907.06794,
title = {2nd Place Solution to the GQA Challenge 2019},
author = {Shijie Geng and Ji Zhang and Hang Zhang and Ahmed Elgammal and Dimitris N. Metaxas},
journal= {arXiv preprint arXiv:1907.06794},
year = {2019}
}