The multi-modal fusion in visual question answering: a review of attention mechanisms

计算机科学 答疑 机制(生物学) 人工智能 代表(政治) 情态动词 任务(项目管理) 人机交互 融合机制 自然语言处理 机器学习 认知科学 语言学 融合 心理学 哲学 法学 高分子化学 管理 化学 经济 认识论 脂质双层融合 政治 政治学
作者
Siyu Lu,Mingzhe Liu,Lirong Yin,Zhengtong Yin,Xuan Liu,Wenfeng Zheng
出处
期刊:PeerJ [PeerJ]
卷期号:9: e1400-e1400 被引量:129
标识
DOI:10.7717/peerj-cs.1400
摘要

Visual Question Answering (VQA) is a significant cross-disciplinary issue in the fields of computer vision and natural language processing that requires a computer to output a natural language answer based on pictures and questions posed based on the pictures. This requires simultaneous processing of multimodal fusion of text features and visual features, and the key task that can ensure its success is the attention mechanism. Bringing in attention mechanisms makes it better to integrate text features and image features into a compact multi-modal representation. Therefore, it is necessary to clarify the development status of attention mechanism, understand the most advanced attention mechanism methods, and look forward to its future development direction. In this article, we first conduct a bibliometric analysis of the correlation through CiteSpace, then we find and reasonably speculate that the attention mechanism has great development potential in cross-modal retrieval. Secondly, we discuss the classification and application of existing attention mechanisms in VQA tasks, analysis their shortcomings, and summarize current improvement methods. Finally, through the continuous exploration of attention mechanisms, we believe that VQA will evolve in a smarter and more human direction.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
搬砖工人完成签到,获得积分10
刚刚
suka完成签到,获得积分10
刚刚
1秒前
zlzlzte发布了新的文献求助10
2秒前
JamesPei应助合适的人类采纳,获得30
3秒前
5秒前
祥小哥完成签到,获得积分10
5秒前
innocent完成签到,获得积分10
6秒前
六日发布了新的文献求助30
6秒前
Russell完成签到 ,获得积分10
12秒前
13秒前
zlzlzte完成签到,获得积分10
13秒前
新楚完成签到 ,获得积分10
13秒前
在水一方应助研究笙小张采纳,获得10
13秒前
kkuula完成签到,获得积分10
15秒前
15秒前
16秒前
ljforever完成签到,获得积分10
17秒前
吴丹完成签到,获得积分10
17秒前
liniubi发布了新的文献求助10
19秒前
屈初雪发布了新的文献求助10
21秒前
罗冬发布了新的文献求助10
21秒前
落雁沙完成签到,获得积分10
22秒前
隐形曼青应助我有一只猫采纳,获得10
24秒前
louis136116完成签到,获得积分10
25秒前
28秒前
科研通AI2S应助luolidou采纳,获得10
29秒前
29秒前
LYL完成签到,获得积分10
29秒前
CLubiy完成签到,获得积分10
30秒前
迅速的小鸽子完成签到 ,获得积分20
31秒前
31秒前
34秒前
Zymiao发布了新的文献求助10
34秒前
zz321发布了新的文献求助10
35秒前
35秒前
38秒前
38秒前
一颗树发布了新的文献求助30
38秒前
哭泣乐双完成签到,获得积分10
39秒前
高分求助中
Evolution 10000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3147903
求助须知:如何正确求助?哪些是违规求助? 2798930
关于积分的说明 7832525
捐赠科研通 2455943
什么是DOI,文献DOI怎么找? 1307025
科研通“疑难数据库(出版商)”最低求助积分说明 627966
版权声明 601587