视觉问答架构的近期快速进展：综述
计算机视觉与模式识别
2022-07-12 v4 人工智能
计算与语言
多媒体
摘要
理解视觉问答对于众多人类活动至关重要。然而，它在人工智能研究的核心处提出了重大挑战。本文介绍了过去几年中利用图像进行视觉问答的 rapid 进展。近期发表了大量关于改进视觉问答系统架构的研究，显示了多模态架构的重要性。Manmadhan 等人（2020）的综述论文提及了视觉问答的若干益处，本文在其基础上构建，并包含该领域后续的更新。
引用
@article{arxiv.2203.01322,
title = {Recent, rapid advancement in visual question answering architecture: a review},
author = {Venkat Kodali and Daniel Berleant},
journal= {arXiv preprint arXiv:2203.01322},
year = {2022}
}
备注
8 pages. Accepted to EIT2022 conference and posted on ArXiv in accordance with IEEE policy