视觉问答：近期文献中的技术与共性趋势综述
计算机视觉与模式识别
2023-06-05 v2 人工智能
机器学习
摘要
视觉问答（VQA）是研究人员日益关注的新兴领域，它是自然语言处理与图像预测中的一个近期问题。在该领域中，算法需要回答关于特定图像的问题。在撰写本综述时，我们分析了25项近期研究，此外还分析了6个数据集并提供了其下载链接。本文调研了该领域的若干近期研究，并对它们进行了更深入的分析与比较，包括结果、当前最优水平（SOTA）、常见错误以及供未来研究者改进的潜在方向。
引用
@article{arxiv.2305.11033,
title = {Visual Question Answering: A Survey on Techniques and Common Trends in Recent Literature},
author = {Ana Cláudia Akemi Matsuki de Faria and Felype de Castro Bastos and José Victor Nogueira Alves da Silva and Vitor Lopes Fabris and Valeska de Sousa Uchoa and Décio Gonçalves de Aguiar Neto and Claudio Filipi Goncalves dos Santos},
journal= {arXiv preprint arXiv:2305.11033},
year = {2023}
}
备注
30 pages. arXiv admin note: text overlap with arXiv:2104.00926, arXiv:2110.02526, arXiv:2108.02059, arXiv:1908.01801 by other authors