【医疗视觉问答】Q2ATransformer: Improving Medical VQA via an Answer Querying Decoder

原文标题：Q2ATransformer: Improving Medical VQA via an Answer Querying Decoder
原文链接：Q2ATransormer
源代码：暂无
发布年份：2023年4月
发布期刊：

---

医疗VQA问题背景：

医疗VQA问题的模型可以大致分为两个类别：封闭式方法和开放式方法。

1. 现存模型中使用的较多的是封闭式方法，它将每个答案视为一个类，并直接对输入图像-问题对的融合特征应用分类模型来预测答案。这种方法的优点是，通过将VQA视为分类任务，它们降低了任务的复杂性，并使答案搜索空间更小。尽管封闭型方法在是/否问题上的表现很好，但对于比封闭型问题更长、更多样化的开放式问题，封闭型方法很难准确预测答案。
2. 另一方面，开放式方法将VQA视为生成任务，并采用基于生成的方法逐字生成答案。在这些方法中，当前单词生成通常依赖于答案的前一个单词。因此，这些方法允许图像问题特征与预测的答案信息交互，潜在地改进长答案预测。然而，由于生成的答案搜索空间巨大，这些方法容易产生许多不存在的答案，导致准确率较低，因此不是目前医学VQA的主流。

创新点

第一，本模型选用半开放式的方法，继续采用基于分类的方法，使答案搜索空间变小，同时引入一组可学习的候选答案嵌入ÿ