视觉问答中的语言偏置：综述与分类体系

视觉问答（VQA）是一项具有挑战性的任务，已吸引计算机视觉与自然语言处理领域越来越多的关注。然而，当前视觉问答存在语言偏置问题，降低了模型的鲁棒性，并对视觉问答的实际应用产生不利影响。本文首次对该领域进行了全面的综述与分析，并根据增强视觉信息、削弱语言先验、数据增强与训练策略三类对现有方法进行分类。同时，依次介绍、总结并分析了相关代表性方法。揭示并分类了语言偏置的成因。其次，本文介绍了主要用于测试的数据集，并报告了各类现有方法的实验结果。最后，我们讨论了该领域未来可能的研究方向。