VIBIKNet：用于视觉问答的视觉双向核化网络
计算机视觉与模式识别
2016-12-13 v1 计算与语言
摘要
在本文中，我们通过提出一种名为 VIBIKNet 的新模型来解决视觉问答问题。我们的模型基于整合核化卷积神经网络（Kernelized Convolutional Neural Networks）和长短期记忆单元，以针对关于图像的问题生成答案。我们证明 VIBIKNet 在准确率和计算负载（在内存和时间消耗方面）之间实现了最佳折中。我们在 VQA 挑战数据集上验证了我们的方法，并将其与表现顶尖的方法进行比较，以说明其性能和速度。
引用
@article{arxiv.1612.03628,
title = {VIBIKNet: Visual Bidirectional Kernelized Network for Visual Question Answering},
author = {Marc Bolaños and Álvaro Peris and Francisco Casacuberta and Petia Radeva},
journal= {arXiv preprint arXiv:1612.03628},
year = {2016}
}
备注
Submitted to IbPRIA'17, 8 pages, 3 figures, 1 table