一种高效的 FloodNet VQA 现代基线方法
计算机视觉与模式识别
2022-05-31 v1 人工智能
计算与语言
摘要
设计高效可靠的 VQA（视觉问答）系统仍是一个具有挑战性的问题，在灾害管理与响应系统中尤为如此。本文中，我们借助现代图像与文本特征抽象模型，重新审视拼接、相加和逐元素乘法等基本组合方法。我们设计了一个简单高效的系统，在 FloodNet 数据集上优于已有方法并达到 SOTA（最先进）性能。该简化系统所需的训练与推理时间显著少于现代 VQA 架构。我们还研究了多种骨干网络的性能并报告其综合结果。代码见 https://github.com/sahilkhose/floodnet_vqa。
引用
@article{arxiv.2205.15025,
title = {An Efficient Modern Baseline for FloodNet VQA},
author = {Aditya Kane and Sahil Khose},
journal= {arXiv preprint arXiv:2205.15025},
year = {2022}
}
备注
Under review, 4 pages, 2 figures, 1 table