Video Question Answering With Prior Knowledge and Object-Sensitive Learning

计算机科学 对象(语法) 答疑 帧(网络) 人工智能 过程(计算) 任务(项目管理) 代表(政治) 特征学习 特征(语言学) 自然语言处理 情报检索 语言学 电信 哲学 管理 政治 政治学 法学 经济 操作系统
作者
Pengpeng Zeng,Haonan Zhang,Lianli Gao,Jingkuan Song,Heng Tao Shen
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:31: 5936-5948 被引量:23
标识
DOI:10.1109/tip.2022.3205212
摘要

Video Question Answering (VideoQA), which explores spatial-temporal visual information of videos given a linguistic query, has received unprecedented attention over recent years. One of the main challenges lies in locating relevant visual and linguistic information, and therefore various attention-based approaches are proposed. Despite the impressive progress, two aspects are not fully explored by current methods to get proper attention. Firstly, prior knowledge, which in the human cognitive process plays an important role in assisting the reasoning process of VideoQA, is not fully utilized. Secondly, structured visual information (e.g., object) instead of the raw video is underestimated. To address the above two issues, we propose a Prior Knowledge and Object-sensitive Learning (PKOL) by exploring the effect of prior knowledge and learning object-sensitive representations to boost the VideoQA task. Specifically, we first propose a Prior Knowledge Exploring (PKE) module that aims to acquire and integrate prior knowledge into a question feature for feature enriching, where an information retriever is constructed to retrieve related sentences as prior knowledge from the massive corpus. In addition, we propose an Object-sensitive Representation Learning (ORL) module to generate object-sensitive features by interacting object-level features with frame and clip-level features. Our proposed PKOL achieves consistent improvements on three competitive benchmarks (i.e., MSVD-QA, MSRVTT-QA, and TGIF-QA) and gains state-of-the-art performance. The source code is available at https://github.com/zchoi/PKOL.
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
2秒前
2秒前
2秒前
4秒前
天天快乐应助鲤鱼冰海采纳,获得10
4秒前
qd关注了科研通微信公众号
5秒前
7秒前
Grin完成签到,获得积分10
7秒前
8秒前
8秒前
non平行线发布了新的文献求助10
8秒前
生动的芝完成签到,获得积分20
9秒前
zy_asd发布了新的文献求助10
10秒前
11秒前
xunlei完成签到,获得积分10
14秒前
完美世界应助生动的芝采纳,获得10
14秒前
处处吻完成签到 ,获得积分10
15秒前
这颗柠檬不够酸完成签到,获得积分10
15秒前
kaifeiQi完成签到,获得积分10
16秒前
16秒前
qio一眼完成签到,获得积分10
16秒前
啦啦鱼完成签到 ,获得积分10
17秒前
bai发布了新的文献求助10
18秒前
CodeCraft应助LJJ采纳,获得10
22秒前
22秒前
22秒前
non平行线完成签到,获得积分10
23秒前
惜名发布了新的文献求助10
26秒前
27秒前
生动的芝发布了新的文献求助10
27秒前
memedaaaah完成签到,获得积分10
29秒前
FashionBoy应助柔弱狗采纳,获得10
30秒前
lanshi1008发布了新的文献求助10
33秒前
华仔应助搞怪夏天采纳,获得10
34秒前
36秒前
Owen应助远方的蓝风铃采纳,获得10
37秒前
希望天下0贩的0应助惜名采纳,获得10
37秒前
37秒前
38秒前
39秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
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
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
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 3141258
求助须知:如何正确求助?哪些是违规求助? 2792257
关于积分的说明 7801943
捐赠科研通 2448459
什么是DOI,文献DOI怎么找? 1302536
科研通“疑难数据库(出版商)”最低求助积分说明 626638
版权声明 601237