本论文的思想就是利用原先VQA 模型 问题关注的图片区域特征,输入到字幕生成器,利用此生成的字幕就代表问题相关的字幕来作为额外信息辅助知识问答。想法非常直观。下面主要介绍细节。
立减 ¥
请填写红包祝福语或标题
红包个数最小为10个
红包金额最低5元
抵扣说明:
1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。