2020-07-16 CVPR2020 VL论文讨论(5) 笔记
目录
- [1] SQuINTing at VQA Models: Introspecting VQA Models with Sub-Questions
- [2] Iterative Answer Prediction with Pointer-Augmented Multimodal Transformers for Text VQA
- [3] Syntax-Aware Action Targeting for Video Captioning
- [4] Modality Shifting Attention Network for Multi-modal Video Question Answering
- [5] Graph-Structured Referring Expression Reasoning in The Wild
- [6] Say As You Wish: Fine-grained Control of Image Caption Generation with Abstract Scene Graphs
- 总结
[1] SQuINTing at VQA Models: Introspecting VQA Models with Sub-Questions
- oral
- motivation:模型答对了问题,但是可能并没有理解图像,这体现在对问题的回答存在不一致性(eg:图中香蕉是什么颜色的?绿色。这个香蕉熟了吗?熟了。)。
- method:本文提出一个数据集,将VQA任务中的问题分为两类:Reasoning、Perception。其中,Perception类问题是Reasoning类问题的子问题(前提)。
[2] Iterative Answer Prediction with Pointer-Augmented Multimodal Transformers for Text VQA
- oral,出自UCB + FaceBook
- motivation:传统方法使用pairwise机制(对每两种模态进行融合、以此类推),且预测时使用分类方法,无法生成多个单词的答案。
- method:多模态Transformer,多步指针增强decoder。
- 训练时:teacher forcing,给定真值,预测下一个值。
[3] Syntax-Aware Action Targeting for Video Captioning
- poster,出自陶大程老师的小组
- motivation:video captioning应更注重action(interaction)
- method:语法感知模块 + 动作引导Captioner
[4] Modality Shifting Attention Network for Multi-modal Video Question Answering
- poster
- task:视频带有字幕,回答问题需要同时参考视频和字幕。可以分割为两个sub-task:①. video grounding;②. VQA。
- challenge:①. 找出所有异质模态中有利于回答这个问题的关键时刻;②. 基于异质模态进行问答;
- method:给我的感觉,和video grounding、VQA中的方法差不多。
[5] Graph-Structured Referring Expression Reasoning in The Wild
- oral
- 参考链接
[6] Say As You Wish: Fine-grained Control of Image Caption Generation with Abstract Scene Graphs
- oral
- 参考链接
总结
- [2] 在V&L中使用了Transformer,但是使用方法有些简单,感觉没有发挥出Transformer的优势。
- [1][5][6] 三篇文章分别针对VQA、RE、ImageCaptioning三个任务,提出了具有推理能力的方法。[1]从sub-question的一致性出发,将question分为两类,并提出了特定数据集。[5]中考虑referring expression的语言结构,作为reasoing的order。[6]提出了抽象场景图的概念,并适用抽象场景图作为reasoning的order(当然,这篇文章的重点在于抽象场景图带来的细粒度可控性)。由此可见,进行reasoning的形式和方法有很多,应多思考。
2020-07-16 CVPR2020 VL论文讨论(5) 笔记相关推荐
- 2020-06-18 CVPR2020 VL论文讨论(1) 笔记
目录 CC J JY S [1] Normalized and Geometry-Aware Self-Attention Network for Image Captioning [2] Cops- ...
- 2020-07-09 CVPR2020 VL论文讨论(4) 笔记
目录 [1] Embodied Language Grounding with 3D Visual Feature Representations [2] Where Does It Exist: S ...
- 2020-07-02 CVPR2020 VL论文讨论(3) 笔记
目录 [1] Bi-directional Relationship Inferring Network for Referring Image Segmentation [2] A Real-Tim ...
- 【2020/07/16修订】概率论与数理统计(电子科技大学) 知识梳理 · 第一版(1到8章 · 度盘)
概率论与数理统计 知 识 梳 理 (第一版) 建议先修课程:高等数学(微积分) 配套课程: 1.慕课(MOOC):概率论与数理统计(电子科技大学) 2.教材:概率论与数理统计 电子科技大学应用数学学院 ...
- 2020-07-14 CVPR2020 i3DV论文讨论(4) 笔记
目录 [1] MARMVS: Matching Ambiguity Reduced Multiple View Stereo for Efficient Large Scale Scene Recon ...
- 2020-07-07 CVPR2020 i3DV论文讨论(3) 笔记
目录 [1] PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization ...
- 2020-07-03 CVPR2020 i3DV论文讨论(2) 笔记
目录 [1] Context Prior for Scene Segmentation [2] Deep Stereo using Adaptive Thin Volume Representatio ...
- 2020.07 学习日记
废话 寒假到现在,在家里玩了5个月,来学校又玩了大半个月.以为会做点东西了就什么都懂了,竟然没做准备就投了字节秋招提前批.结果被挂了之后,又被捞起来面试.可以说十分幸运了,但机会都是留给有准备的人 2 ...
- 【CVPR 2020】CVPR2020 最新论文下载!看计算机视觉2020在研究什么?
公众号关注 "视学算法" 设为 "星标",DLCV消息即可送达! 本文由极市平台整理 最近计算机视觉三大顶会之一CVPR2020接收结果已经公布,一共有1470 ...
最新文章
- ubuntu11.10 安装tpc_w
- jQuery最佳实践
- 3P5 Industrial Engineering Lecture 1-2: Method of Study
- contract net with fipa
- python操作redis集群_python操作redis集群
- hadoop和kerberos的整合总结
- 开源的 DNS 转发软件 Dnsmasq 被曝7个漏洞,可劫持数百万台设备
- 小程序接入h5页面_原生小程序接入H5页面,请求后台接口,获取数据
- 地老天荒只是一个华丽的传说
- 转贴:如何恢复Thunderbird里误删除的邮件?三种方法
- 解决SVN安装语言包后无法选择中文的问题(亲测可行)
- nero10 序列号
- 真的神了~无意中发现1500道的2021LeetCode算法刷题pdf笔记
- html如何设置table的宽度,HTML怎么设置table宽度
- 2022-2028全球虚拟现实游戏头戴设备行业调研及趋势分析报告
- Q1营收7740万元亏损大幅收窄,转型自救的途牛能否追赶携程艺龙?
- 毁掉一个孩子的几个方法 有多少家长正在这么做?
- 模拟电路6(共射基本放大电路的组成及工作原理)
- 如何批量检测查询域名或者网址是否被微信屏蔽拦截
- 云计算、大数据、人工智能傻傻分不清楚?本文详解这三者的关系
热门文章
- [云炬创业基础笔记]第二章创业者测试16
- 云炬创业政策学习笔记20210115
- 科大星云诗社动态20210504
- flex页面中嵌入html页面
- 寄存器(内存访问)---汇编学习笔记
- future.channel().closeFuture().sync()作用 bind(port).sync()作用
- Java对象的四种引用方式
- 树节点的遍历,查找,删除(前序,中序,后序)
- flash_erase and flash_eraseall
- Fabric学习笔记-智能合约