最も一般的な視覚言語タスクの 1 つである視覚的質問応答 (VQA) と画像キャプション (CAP) には、画像内のテキストからの推論を必要とする類似のシーンテキストバージョンがあります。明らかな

arxiv_reader のブックマーク 2023/03/22 11:51

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4734010503753768932/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2301.07389v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2301.07389v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2301.07389v2" data-user-icon="/users/arxiv_reader/profile.png">見て読めるモデルへ</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/captioning">captioning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/reasoning">reasoning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/VQA">VQA</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li></ul><br><p style="clear: left">最も一般的な視覚言語タスクの 1 つである視覚的質問応答 (VQA) と画像キャプション (CAP) には、画像内のテキストからの推論を必要とする類似のシーン テキスト バージョンがあります。明らかな</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20230322#bookmark-4734010503753768932"><span class="datetime-body">2023/03/22 11:51</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！