视频问答近期进展：数据集与方法综述
计算机视觉与模式识别
2021-03-19 v2
摘要
视频问答（VQA）是计算机视觉领域近期涌现的一项具有挑战性的任务。若干视觉信息检索技术，如视频字幕/描述与视频引导机器翻译，先于 VQA 任务出现。VQA 有助于从视频场景中检索并解读时空信息。本综述中，我们回顾了用于 VQA 任务的若干方法与数据集。据我们所知，此前尚无针对 VQA 任务的综述。
引用
@article{arxiv.2101.05954,
title = {Recent Advances in Video Question Answering: A Review of Datasets and Methods},
author = {Devshree Patel and Ratnam Parikh and Yesha Shastri},
journal= {arXiv preprint arXiv:2101.05954},
year = {2021}
}
备注
18 pages, 5 tables, Video and Image Question Answering Workshop, 25th International Conference on Pattern Recognition