From image to language: A critical analysis of Visual Question Answering (VQA) approaches, challenges, and opportunities

答疑 计算机科学 自然语言处理 情报检索 图像(数学) 人工智能
作者
Md Farhan Ishmam,Md Sakib Hossain Shovon,M. F. Mridha,Nilanjan Dey
出处
期刊:Information Fusion [Elsevier]
卷期号:106: 102270-102270 被引量:4
标识
DOI:10.1016/j.inffus.2024.102270
摘要

The multimodal task of Visual Question Answering (VQA) encompassing elements of Computer Vision (CV) and Natural Language Processing (NLP), aims to generate answers to questions on any visual input. Over time, the scope of VQA has expanded from datasets focusing on an extensive collection of natural images to datasets featuring synthetic images, video, 3D environments, and various other visual inputs. The emergence of large pre-trained networks has shifted the early VQA approaches relying on feature extraction and fusion schemes to vision language pre-training (VLP) techniques. However, there is a lack of comprehensive surveys that encompass both traditional VQA architectures and contemporary VLP-based methods. Furthermore, the VLP challenges in the lens of VQA haven’t been thoroughly explored, leaving room for potential open problems to emerge. Our work presents a survey in the domain of VQA that delves into the intricacies of VQA datasets and methods over the field’s history, introduces a detailed taxonomy to categorize the facets of VQA, and highlights the recent trends, challenges, and scopes for improvement. We further generalize VQA to multimodal question answering, explore tasks related to VQA, and present a set of open problems for future investigation. The work aims to navigate both beginners and experts by shedding light on the potential avenues of research and expanding the boundaries of the field.
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
jessie发布了新的文献求助10
刚刚
刚刚
Daisy完成签到,获得积分10
刚刚
iufan发布了新的文献求助10
刚刚
刚刚
Jasper应助陶军辉采纳,获得10
刚刚
奋斗小公主完成签到,获得积分10
1秒前
Kaiser发布了新的文献求助10
2秒前
2秒前
LILAN发布了新的文献求助20
2秒前
ting发布了新的文献求助10
3秒前
情怀应助结实的问寒采纳,获得10
3秒前
酷酷初之完成签到,获得积分10
4秒前
4秒前
4秒前
wzy5508完成签到 ,获得积分10
5秒前
LVVVB发布了新的文献求助10
5秒前
加勒比发布了新的文献求助10
5秒前
赘婿应助城南花已开采纳,获得10
5秒前
5秒前
纪震宇完成签到,获得积分10
6秒前
7秒前
苹果完成签到,获得积分10
7秒前
lyj完成签到 ,获得积分10
7秒前
王银鑫发布了新的文献求助10
8秒前
兔兜完成签到,获得积分10
8秒前
8秒前
8秒前
childe完成签到,获得积分10
9秒前
9秒前
科研小白发布了新的文献求助10
9秒前
红桃小六完成签到,获得积分10
9秒前
FG8989完成签到 ,获得积分20
10秒前
chenxilulu完成签到,获得积分10
10秒前
11秒前
情怀应助加勒比采纳,获得10
11秒前
852应助222采纳,获得10
11秒前
华仔应助PGHQ采纳,获得30
12秒前
iufan发布了新的文献求助10
12秒前
cabbage008完成签到,获得积分10
12秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
A Dissection Guide & Atlas to the Rabbit 600
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 3134659
求助须知:如何正确求助?哪些是违规求助? 2785567
关于积分的说明 7773009
捐赠科研通 2441215
什么是DOI,文献DOI怎么找? 1297881
科研通“疑难数据库(出版商)”最低求助积分说明 625070
版权声明 600825