含叠加文本图像的视觉问答（VQA）
计算机视觉与模式识别
2023-07-07 v1 人工智能
摘要
叠加文本标注研究不足，却普遍存在、有用且重要，尤其在医学图像中。医学图像也凸显了低分辨率、噪声及叠加文本元信息带来的挑战。因此我们探究了在医学图像上叠加文本对 VQA 的影响。我们的结果表明，该文本元信息可被添加而不会严重劣化 VQA 性能的关键度量。我们的发现具有重要意义，因为它们验证了在图像上叠加文本的做法，即便对于采用 AI 技术进行 VQA 任务的医学图像亦如此。该工作有助于推进对 VQA 的总体理解，特别是在医疗与医学领域。
引用
@article{arxiv.2307.02489,
title = {Visual Question Answering (VQA) on Images with Superimposed Text},
author = {Venkat Kodali and Daniel Berleant},
journal= {arXiv preprint arXiv:2307.02489},
year = {2023}
}
备注
To appear in: Proc. of the Future Technologies Conference (FTC) 2023, Nov. 2-3, San Francisco, pub. by Springer Nature