視覚的接地は、自然言語表現に従ってターゲットオブジェクトを見つけることを目的としたタスクです。マルチモーダルタスクとして、テキスト入力と視覚入力の間の機能の相互作用が不可欠です。ただし、以前のソリュー

arxiv_reader のブックマーク 2022/06/22 11:52

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4721347234668062274/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2206.09114v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2206.09114v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2206.09114v2" data-user-icon="/users/arxiv_reader/profile.png">クエリを念頭に置いてください：クエリ条件付き畳み込みによる視覚的根拠</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/convolutional">convolutional</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li></ul><br><p style="clear: left">視覚的接地は、自然言語表現に従ってターゲットオブジェクトを見つけることを目的としたタスクです。マルチモーダルタスクとして、テキスト入力と視覚入力の間の機能の相互作用が不可欠です。ただし、以前のソリュー</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20220622#bookmark-4721347234668062274"><span class="datetime-body">2022/06/22 11:52</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！