视觉问答：预测群体是否会对答案达成一致
人工智能
2016-08-30 v1 计算与语言
计算机视觉与模式识别
人机交互
摘要
视觉问答 (VQA) 系统源于一种愿望，即让用户能够就视觉内容提出任何自然语言问题，并得到一个有效的答案作为回应。然而，仔细审视 VQA 问题会发现一个不可避免且相互纠缠的问题：对于某个视觉问题，多人可能并不总是对单一答案达成一致。我们训练了一个模型，使其能够根据视觉问题自动预测群体是否会就单一答案达成一致。随后，我们提出如何在一个新颖的应用中利用该系统，以高效地分配人力来收集视觉问题的答案。具体而言，我们提出了一种众包系统，该系统在预期答案会达成一致时自动征集较少的人工响应，而在预期答案存在分歧时征集较多的人工响应。我们的系统改进了现有的众包系统，通常能在不损失从群体中收集到的信息的情况下，至少减少 20% 的人力投入。
引用
@article{arxiv.1608.08188,
title = {Visual Question: Predicting If a Crowd Will Agree on the Answer},
author = {Danna Gurari and Kristen Grauman},
journal= {arXiv preprint arXiv:1608.08188},
year = {2016}
}