VQA 与视觉推理：近期数据集、方法与挑战综述
计算机视觉与模式识别
2023-01-02 v1
摘要
近年来，人工智能（AI）及其应用引发了非凡的关注。这一成就部分归功于 AI 子领域的进展，包括机器学习（ML）、计算机视觉（CV）和自然语言处理（NLP）。深度学习作为运用人工神经网络概念的机器学习子领域，推动了这些领域最快速的增长。视觉与语言的融合由此引发了大量关注。相关任务被构建得恰当地体现了深度学习的概念。在本综述论文中，我们对 VQA 与视觉推理任务的最先进方法、关键模型设计原则进行了透彻而广泛的综述，并讨论了现有的数据集、方法、其问题表述与评估度量，以理解视觉与语言表示学习。我们也提出了该研究领域一些潜在的未来路径，希望我们的研究能催生新思路与新颖方法，以应对现有困难并开发新应用。
引用
@article{arxiv.2212.13296,
title = {VQA and Visual Reasoning: An Overview of Recent Datasets, Methods and Challenges},
author = {Rufai Yusuf Zakari and Jim Wilson Owusu and Hailin Wang and Ke Qin and Zaharaddeen Karami Lawal and Yuezhou Dong},
journal= {arXiv preprint arXiv:2212.13296},
year = {2023}
}