Robust visual question answering via semantic cross modal augmentation

稳健性(进化) 计算机科学 情态动词 人工智能 再培训 答疑 构造(python库) 机器学习 自然语言处理 生物化学 化学 国际贸易 高分子化学 业务 基因 程序设计语言
作者
Akib Mashrur,Wei Luo,Nayyar A. Zaidi,Antonio Robles‐Kelly
出处
期刊:Computer Vision and Image Understanding [Elsevier]
卷期号:238: 103862-103862 被引量:4
标识
DOI:10.1016/j.cviu.2023.103862
摘要

Recent advances in vision-language models have resulted in improved accuracy in visual question answering (VQA) tasks. However, their robustness remains limited when faced with out-of-distribution data containing unanswerable questions. In this study, we first construct a simple randomised VQA dataset, incorporating unanswerable questions from the VQA v2 dataset, to evaluate the robustness of a state-of-the-art VQA model. Our findings reveal that the model struggles to predict the "unknown" answer or provides inaccurate responses with high confidence scores for irrelevant questions. To address this issue without retraining the large backbone models, we propose Cross Modal Augmentation (CMA), a model-agnostic, test-time-only, multi-modal semantic augmentation technique. CMA generates multiple semantically-consistent but heterogeneous instances from the visual and textual inputs, which are then fed to the model, and the predictions are combined to achieve a more robust output. We demonstrate that implementing CMA enables the VQA model to provide more reliable answers in scenarios involving unanswerable questions, and show that the approach is generalisable across different categories of pre-trained vision language models.
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
结实妙竹发布了新的文献求助10
5秒前
科研通AI2S应助科研小木虫采纳,获得10
8秒前
哈哈完成签到 ,获得积分10
17秒前
莫惜君灬完成签到 ,获得积分10
17秒前
终究是残念完成签到,获得积分10
17秒前
温馨完成签到 ,获得积分10
18秒前
Jack80发布了新的文献求助50
22秒前
饱满的大碗完成签到 ,获得积分10
22秒前
美好乐松完成签到,获得积分0
24秒前
大头完成签到 ,获得积分10
30秒前
Driscoll完成签到 ,获得积分10
33秒前
Orange应助bukeshuo采纳,获得10
35秒前
枫于林完成签到 ,获得积分10
35秒前
likw23完成签到 ,获得积分10
37秒前
宸浅完成签到 ,获得积分10
38秒前
wangxc完成签到 ,获得积分10
43秒前
沐紫心完成签到 ,获得积分10
45秒前
糖宝完成签到 ,获得积分10
50秒前
枯叶蝶完成签到 ,获得积分10
56秒前
吃小孩的妖怪完成签到 ,获得积分10
1分钟前
三脸茫然完成签到 ,获得积分10
1分钟前
1分钟前
crillzlol发布了新的文献求助10
1分钟前
赵勇完成签到 ,获得积分10
1分钟前
Jack80发布了新的文献求助100
1分钟前
默默纲完成签到 ,获得积分10
1分钟前
三十四画生完成签到 ,获得积分10
1分钟前
1分钟前
LT完成签到 ,获得积分10
1分钟前
zouxuan0606发布了新的文献求助10
1分钟前
蓝胖子完成签到 ,获得积分10
1分钟前
如泣草芥完成签到,获得积分0
2分钟前
大呲花完成签到,获得积分10
2分钟前
钟声完成签到,获得积分0
2分钟前
chenbin完成签到,获得积分10
2分钟前
陈米花完成签到,获得积分10
2分钟前
yyjl31完成签到,获得积分0
2分钟前
Simon_chat完成签到,获得积分10
2分钟前
bing完成签到 ,获得积分10
2分钟前
吐司炸弹完成签到,获得积分10
2分钟前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Becoming: An Introduction to Jung's Concept of Individuation 600
Communist propaganda: a fact book, 1957-1958 500
Briefe aus Shanghai 1946‒1952 (Dokumente eines Kulturschocks) 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 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 3167235
求助须知:如何正确求助?哪些是违规求助? 2818702
关于积分的说明 7921913
捐赠科研通 2478475
什么是DOI,文献DOI怎么找? 1320350
科研通“疑难数据库(出版商)”最低求助积分说明 632776
版权声明 602443