Deep Reason：真实世界视觉推理的强基线
计算机视觉与模式识别
2019-06-18 v2
摘要
本文提出一种用于真实世界视觉推理（GQA）的强基线，在 GQA 2019 挑战赛中取得 60.93% 的准确率并获得第六名。GQA 是一个包含 2200 万涉及空间理解与多步推理问题的大规模数据集。为助力该领域的进一步研究，我们确定了提升性能的三个关键部分，即：多源特征、细粒度编码器与得分加权集成。我们提供了一系列关于它们对性能影响的分析。
引用
@article{arxiv.1905.10226,
title = {Deep Reason: A Strong Baseline for Real-World Visual Reasoning},
author = {Chenfei Wu and Yanzhao Zhou and Gen Li and Nan Duan and Duyu Tang and Xiaojie Wang},
journal= {arXiv preprint arXiv:1905.10226},
year = {2019}
}
备注
CVPR 2019 Visual Question Answering and Dialog Workshop