nbwjszd的博客

原文标题： Consistency and Uncertainty: Identifying Unreliable Responses From Black-Box Vision-Language Models for Selective Visual Question Answering原文代码： 暂无发布年度： 2024发布期刊： CVPRThe goal of selective prediction is to allow an a model to abstain when it may n

原文标题： BiasAdv: Bias-Adversarial Augmentation for Model Debiasing原文代码： 暂无发布年度： 2023发布期刊： CVPRNeural networks are often prone to bias toward spurious correlations inherent in a dataset, thus failing to generalize unbiased test criteria. A key challenge to

原文标题： Attacking VQA Systems via Adversarial Background Noise原文代码： https://github.com/akshay107/vqa-adv-background发布年度： 2020发布期刊： IEEE TETCIAdversarial examples have been successfully generated for various image classification models. Recently, several m

Visual Perturbation-aware Collaborative Learning for Overcoming the Language Prior Problem

本文提出了一种新的由推敲单元、放弃单元和存储单元组成的生成解码器。新型解码器采用复合解码模式，对响应级和词级的信息进行建模，以防止生成的响应中重复。DAM是一种通用的解码体系结构，它可以与现有的视觉对话编码器相结合，以提高其性能。通过结合DAM与LF、MN和DualVD编码器的结合实验，我们提出的DAM可以有效地提高现有模型的生成性能，并在流行的基准数据集上获得新的最新结果。

本文受认知科学中的双编码理论的启发，提出了一种新的视觉对话的DualVD模型。DualVD主要由视觉模块和语义模块组成，它们分别在外观级和语义级对图像信息进行编码。通过门机制从两个模块中自适应地选择所需的答案推理线索。在基准测试上进行的大量实验的结果表明，与其他最先进的方法相比，从视觉-语义表示中获取视觉信息可以获得更好的性能。DualVD的另一个主要优点是它可以通过渐进式可视化进行解释。它可以让我们了解如何使用来自不同模式的信息来推断答案。