目錄CVPR2019：VCTreeICCV2019：CMATCVPR2019：Knowledge-Embedded Routing Network CVPR2019：VCTree 題目 Learning to Compose D
目錄CVPR2020：CRN CVPR2020：CRN 題目 Hierarchical Conditional Relation Networks for Video Question Answering 下載鏈接 動機 Vid
目錄引言[1] 基於感知和認知系統的邏輯關係推理作者介紹分享內容system1 和 syetem2 reasoningGMNN: Graph Markov Neural Networks (ICML2019)Probabilist
目錄簡介動機貢獻方法實驗 簡介 本文提出了一種用於多模態學習的超圖注意力網絡，作者來自Kakao公司和首爾大學。 Kakao公司的主要產品是Kakao talk，類似於國內的微信，且騰訊是其第二大股東。 Kakao Brain這個
目錄簡介動機貢獻方法實驗 簡介 本文是新聞圖像標註，和常見的Image Captioning任務不太一樣。 下載鏈接 News Image Captioning中沒有object-level的標註，難點在於，將text和image
目錄簡介動機貢獻方法實驗 簡介 本文提出了一個新任務——Group Captioning，就是在一堆圖片中，對特定的幾個圖片生成caption，生成的caption要具備選定的圖片的特性，且不包含其他未選定的圖片的特性。 下載鏈接
目錄簡介動機貢獻方法實驗 簡介 本文面向機器閱讀理解問題（Machine Reading Comprehension），作者來自微軟研究院。 下載鏈接 動機 現有的方法可以分爲兩類：單步推理（Single turn）、多步推理（m
目錄簡介動機貢獻方法實驗 簡介 本文的作者來自浦項科技大學和首爾大學 下載鏈接 動機 在Grounding領域，早些的方法都可以歸結爲scan-and-localize framework，主要包括兩個步驟：1. 生成propos
目錄CVPR2019：GRUCVPR2019：OA-BTGCVPR2019：MLE+HybirdDisCVPR2019：MARNCVPR2019：SDVCAAAI2019：FCVC-CF&IAAAAI2019：TAMoEAAAI2
目錄CVPR2019：XNMsICCV2019：Q+I+A（數據集）NeurIPS2019：SCRCVPR2019：LoRRA（數據集）CVPR2019：Modified QANetCVPR2019：GQA（數據集）ICCV201
目錄簡介動機貢獻方法實驗 簡介 本文出自加州大學伯克利分校。這篇文章既不是image captioning，也不是video captioning，而是change captioning，就是針對pair image生成capti
目錄CVPR2020：ASGCVPR2020：POS-SCAN CVPR2020：ASG 題目 Say As You Wish: Fine-grained Control of Image Caption Generation
目錄CVPR2020：CSSAAAI2020：OLP CVPR2020：CSS 題目 Counterfactual Samples Synthesizing for Robust Visual Question Answerin
目錄CVPR2020：ORG-TRLCVPR2020：STG-KDTIP2020：OSTGTPAMI2020：SibNet（MM2018）WACV2020：DSDWACV2020：STaTS CVPR2020：ORG-TRL 題
目錄CVPR2019：UICCVPR2019：SGAECVPR2019：RNDICCV2019：CNMICCV2019：Graph-Align CVPR2019：UIC 題目 Unsupervised Image Caption
