Oct, 2020

超越VQA: 生成多词答案和解释来回答视觉问题

TL;DR本文介绍了一种新的任务——ViQAR(视觉问题回答和推理),并提出了一种完全生成式的解决方案,它能够为视觉查询生成完整的答案和推理,我们通过定性和定量评估以及人类图灵测试表明,我们的模型能够生成强有力的答案和推理。