M4C：TextVQA的分布預測多模態Transformers
原文鏈接：https://arxiv.org/pdf/1911.06258 Motivation 任務為TextVQA（詳情見上一篇推送）。現有模型大多是基於兩個模態的結合機制（如問題與圖片特征 ...
原文：TextVQA and LoRRA
原文鏈接：https: arxiv.org pdf . Task VQA visual question answering 是視覺推理的一個方向，給定圖片和與圖片相關的問題，期望得 到問題的答案。現有模型在VQA數據集上效果較好，但在VQA的一個子任務上表現不佳。這個子任務是 與提取圖片中文本有關的VQA，答案通常與圖片中的文本相關 對識別文本進行篩選，或者基於識別文本生成回答 。 Datas ...
2020-04-17 02:02 0 850 推薦指數：
相關推薦
【論文閱讀】Beyond OCR + VQA: 將OCR融入TextVQA的執行流程中形成更魯棒更准確的模型
論文題目：Beyond OCR + VQA: Involving OCR into the Flow for Robust and Accurate TextVQA 論文鏈接：https://dl.acm.org/doi/abs/10.1145/3474085.3475606 ...