基于细粒度特征增强的多模态视觉问答研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

现有多模态视觉问答（VisualQues-tionAnswering，VQA）模型忽略了图像中局部显著信息与文本中局部基本词之间的细粒度交互作用，图像与文本之间的语义相关性有待提高.为此，本文提出一种基于细粒度特征增强的多模态视觉问答方法.首先，对视觉和文本分别增加一种细粒度特征提取方法，以便更全面（剩余24684字）

试读结束

目录
monitor