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