资料下载
×
基于计算机视觉和NLP的跨媒体问答与推理
消耗积分:0 |
格式:pdf |
大小:1.69 MB |
2021-04-08
分享资料个
基于视觉和语言的跨媒体问答与推理是人工智能领域的研究热点其目的是基于给定的视觉内容和相关问题，模型能够返回正确的答案。随着深度学习的飞速发展及其在计算杋视觉和自然语言处理领域的广泛应用，基于视觉和语言的跨媒体问答与推理也取得了较快的发展。文中首先系统地梳理了当前基于视觉和语言的跨媒体问答与推理的相关工作，具体介绍了基于图像的视觉问答与推理、基于视频的视觉问答与推理以及基于视觉常识推理模型与算法的硏究进展，并将基于图像的视觉问答与推理细分为基于多模态融合、基于注意力机制和基于推理3类，将基于视觉常识推理细分为基于推理和基于预训练2类;然后总结了目前常用的问答与推理数据集，以及代表性的问答与推理模型在这些数据集上的实验结果;最后展望了基于视觉和语言的跨媒体问答与推理的未来发展方向。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
