前言
这是2015年的一篇文章,论文地址点这里
笔记
- 本篇文章的作者其实是模仿了效仿NLP中的SRL,即语义角色标注,就是给出一段话,要将这句话分词,以谓词为准,得到一系列的agent、instrument、object等。作者所说的VSRL就是给出一幅图片,给出图片中发生的动作,并框出人和与人交互的物体即object。文章反复出现的different semantic role其实就是说一个物体在不同的动作过程中会扮演不同的角色。比如像击球这个动作中,棒球棒扮演的是工具(instr)、棒球就扮演的是目标(obj)。
- 后边讲了本篇文章的贡献,首先是因为之前没有人做这个事情,所以没有数据集。作者就提取了COCO2015的部分数据进行了标注,具体如何进行标注的文中在第二部分Related Work中进行了详细的叙述。总的来说,作者确定了26个主要的动作如上图2中的table 1,然后得到和这个动作相关的所有图片,