基于多级注意力的逆向视觉问答
计算机视觉与模式识别
2020-12-04 v2 人工智能
计算与语言
机器学习
摘要
本文提出一种新颖的深度多级注意力模型以解决逆向视觉问答问题。所提模型在物体级别生成区域视觉与语义特征，随后利用注意力机制以答案线索对其增强。模型中采用了两级多重注意力，包括局部问题编码步骤中的双重注意力，以及下一问题词生成步骤中的动态注意力。我们在 VQA V1 数据集上评估所提模型，其在多个常用指标上均展现出最先进的性能。
引用
@article{arxiv.1909.07583,
title = {Inverse Visual Question Answering with Multi-Level Attentions},
author = {Yaser Alwattar and Yuhong Guo},
journal= {arXiv preprint arXiv:1909.07583},
year = {2020}
}