涵盖2020各大顶会，视觉问答领域文章Motivation和Contributions

很棒的VQA 阅读有关视觉问题解答的论文清单。 目录 图像质量检查论文 数据集 DAQUAR [2014] [NIPS]一种基于不确定输入的多场景现实场景问题解答方法。[ ] [ ] [] DAQUAR共识[2015年] [ICCV]问你-基于神经神经元的方法来回答问题的有关图片。[ ] [ ] [] 视觉Madlibs [2015年] [ICCV]在空白说明生成和答疑视觉Madlibs填充。[ ] [] [] VQA V1.0 [2015年] [ICCV] VQA，视觉答疑。[ ] [] [] FM-IQA [2015年] [NIPS]你说一台机器数据集和方法多语言映像答疑。[] [] [] SHAPES [2016] [CVPR]神经模块网络。[ ] [] [] Visual7W [2016年] [CVPR] Visual7W：接地问答系统中的图像[ ] [] []

反事实VQA（CF-VQA） 该存储库是CVPR 2021中我们的论文的Pytorch实现。该代码将很快发布。 引文 如果您发现该项目对您的研究有所帮助，请考虑在您的出版物中引用我们的论文。 @inproceedings{niu2020counterfactual, title={Counterfactual VQA: A Cause-Effect Look at Language Bias}, author={Niu, Yulei and Tang, Kaihua and Zhang, Hanwang and Lu, Zhiwu and Hua, Xian-Sheng and Wen, Ji-Rong}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Rec

VQA 视觉问答 运行代码 该模型基于在运行代码之前，请从下载相关的训练，验证和测试数据。下面的部分根据需要Resnet-18或CNN的结果告诉您要运行哪些脚本 有线电视新闻网 我们按照以下顺序运行脚本以获得最佳结果 image_preprocessing_CNN.py 这将从图像中提取特征 preprocess-QA.py 这从提出的问题中提取特征 train_models_cnn.py 这使用L2正则化训练了50个时期的模型0.0005 view-logs.py logs/ 打印出结果 ResNet-18 我们按照以下顺序运行脚本以获得最佳结果 image_preprocessing_resnet18.py 这将从图像中提取特征 preprocess-QA.py 这从提出的问题中提取特征 train_models.py 这使用L2正则化0.001训练了50个时

可参看博客：https://blog.csdn.net/luolan9611/article/details/88578720 视觉问题回答（VQA）需要联合图像和自然语言问题，其中许多问题不能直接或清楚地从视觉内容中得到，而是需要从结构化人类知识推理并从视觉内容中得到证实。该论文提出了视觉知识记忆网络（VKMN）来解决这个问题，它将结构化的人类知识和深层视觉特征无缝融入端到端学习框架中的记忆网络中。与现有的利用外部知识支持VQA的方法相比，本文更多地强调了两种缺失的机制。首先是将视觉内容与知识事实相结合的机制。 VKMN通过将知识三元组（主体，关系，目标）和深层视觉特征联合嵌入到视觉知识特征中来处理这个问题。其次是处理从问题和答案对中扩展出多个知识事实的机制。VKMN使用键值对结构在记忆网络中存储联合嵌入，以便易于处理多个事实。实验表明，该方法在VQA v1.0和v2.0基准测试中取得了可喜的成果，同时在知识推理相关问题上优于最先进的方法。