Open wisteria2gp opened 4 years ago
タスクTextVQAの提案 既存のVQAに対し、画像中のTextの読み取りが要求されるように特化している。 EX.計量カップの写真に対して「最大のメモリは何オンス?」→「16」 既存のSOTAモデルだとわりと見当違いな質問をするとのこと。
https://arxiv.org/abs/1904.08920
Amanpreet Singh, Vivek Natarajan, Meet Shah, Yu Jiang, Xinlei Chen, Dhruv Batra, Devi Parikh, Marcus Rohrbach FaceBook AI , Georgia Tech
2018/04/18
一言でいうと
タスクTextVQAの提案 既存のVQAに対し、画像中のTextの読み取りが要求されるように特化している。 EX.計量カップの写真に対して「最大のメモリは何オンス?」→「16」 既存のSOTAモデルだとわりと見当違いな質問をするとのこと。
論文リンク
https://arxiv.org/abs/1904.08920
著者/所属機関
Amanpreet Singh, Vivek Natarajan, Meet Shah, Yu Jiang, Xinlei Chen, Dhruv Batra, Devi Parikh, Marcus Rohrbach FaceBook AI , Georgia Tech
投稿日付(yyyy/MM/dd)
2018/04/18
概要
新規性・差分
手法
結果
コメント