让我们聊聊！通过对话式视觉问答生成开启对话

一个引人入胜且发人深省的问题可以开启一场精彩的对话。在本工作中，我们探索一种新场景：对话智能体查看一组用户的照片（例如来自社交媒体平台），并提出一个引人入胜的问题以与用户开启对话。现有的视觉到问题模型大多生成冗长且显而易见的问题，可能并非理想的对话开场白。本文引入一个两阶段框架，首先为照片集生成视觉故事，然后利用该故事生成有趣的问题。人工评估表明，相较于其他视觉到问题基线，我们的框架能生成更具引发回应能力的对话开启问题。