- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Counterfactual Samples Synthesizing for Robust Visual Question Answering相关知识和理解
首先是生成对抗网络GAN，然后关于减轻语言偏见的方法有：1）基于对抗的，2）基于融合的，最后是关于CSS（反事实的）生成对抗网络GAN首先生成对抗网络的想法是：生成网络G尽量生成真实的图片去欺骗辨别网络D，辨别网络D尽量辨别出G生成的假图像和真实图像，二者对抗进行，提高模型性能。其缺点在于：1）不适合文本的离散数据，2）不容易找到对抗后的平衡点，3）训练过程不稳定。基于嵌入的减少语言偏见的方法：基于对抗的方法去减轻语言偏见的方法是，用仅问题模型和普通VQA模型对抗，在训练VQA模型的时候同时训练仅问
2020-11-09 12:01:19
581
1
原创 知识推理的VQA小结
Ask Me Anything: Free-form Visual Question Answering Based on Knowledge from External Sources参考链接特点：缺点：FVQA: Fact-based Visual Question Answering参考链接特点：缺点：Out of the Box: Reasoning with Graph Convolution Nets for Factual Visual Question Answering
2020-11-03 10:54:06
1137
原创 论文阅读：Mucko: Multi-Layer Cross-Modal Knowledge Reasoning for Fact-based Visual Question Answering
参考连接：浙大一博士博客论文链接：https://arxiv.org/pdf/2006.09073代码链接：https://github.com/astro-zihao/mucko发表会议：IJCAI 2020一，介绍在阅读本文之前，请先阅读下面几篇论文：论文1，Ask Me Anything: Free-form Visual Question Answering Based on Knowledge from External Sources参考博客，论文地址，论文2，FVQA: Fac
2020-11-02 18:22:16
2041
5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人