Apr, 2022

面向视觉问答的问题驱动图融合网络

TL;DR提出了QD-GFN方法,利用三个图注意力网络来建立图像中的语义、空间和隐含视觉关系,并引入问题信息指导三个图的聚合过程,采用目标过滤机制消除图像中与问题不相关的对象,实验结果表明QD-GFN优于现有最先进的VQA模型,新的图聚合方法和目标过滤机制对模型的性能提升起到了重要作用。