Position-guided transformer for image captioning

隐藏字幕 变压器 计算机科学 规范化(社会学) 计算机视觉 利用 人工智能 水准点(测量) 图像(数学) 模式识别(心理学) 电气工程 工程类 计算机安全 电压 大地测量学 社会学 人类学 地理
作者
Juntao Hu,You Yang,Yao Lu,Yongzhi An,Longyue Pan
出处
期刊:Image and Vision Computing [Elsevier]
卷期号:128: 104575-104575 被引量:5
标识
DOI:10.1016/j.imavis.2022.104575
摘要

Transformer-based frameworks have shown superiorities in image captioning. However, such frameworks are strenuous to consider geometric interrelations among visual contents in an image, as well as fail to prevent changes in the distribution of each layer’s input in self-attention. In this work, we first propose a Bi-Positional Attention (BPA) module, which incorporates absolute and relative position encoding to precisely explore internal relations between objects and their geometric information in an image. Additionally, we use a Group Normalization (GN) method inside BPA to relieve shifts of the distribution and better exploit the channel dependence of visual features. To validate our proposals, we apply BPA and GN into the original Transformer to constitute our Position-Guided Transformer (PGT) network, which learns a more comprehensive positional representations to augment spatial interactions among objects for image captioning. We conduct extensive experiments to verify the effectiveness of our model. Compared with non-pretraining state-of-the-art methods, experimental results on the MSCOCO benchmark dataset demonstrate that our PGT achieves competitive performance, reaching 134.2% CIDEr score on the Karpathy split with a single model, and 136.2% CIDEr score on the official testing server with an ensemble configuration.
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
enen发布了新的文献求助10
刚刚
axl发布了新的文献求助10
刚刚
梁小米完成签到,获得积分10
刚刚
Joyce完成签到,获得积分10
1秒前
青枣不甜完成签到,获得积分10
2秒前
搬砖的化学男举报半兰求助涉嫌违规
2秒前
寒霁发布了新的文献求助10
2秒前
桐桐应助Adam采纳,获得10
3秒前
3秒前
不加糖完成签到,获得积分10
4秒前
涩郎发布了新的文献求助10
4秒前
刚刚好发布了新的文献求助10
5秒前
打打应助BYN采纳,获得10
5秒前
打打应助啃啃啃采纳,获得10
5秒前
6秒前
ZZ完成签到,获得积分10
6秒前
7秒前
蒋政完成签到,获得积分20
7秒前
111完成签到,获得积分20
7秒前
axl完成签到,获得积分10
8秒前
Guochunbao完成签到,获得积分10
8秒前
Jasper应助涩郎采纳,获得10
9秒前
佟碧玉完成签到,获得积分10
9秒前
幽一发布了新的文献求助10
10秒前
10秒前
科研通AI2S应助王昕澳采纳,获得10
10秒前
111发布了新的文献求助10
11秒前
12秒前
开心果大王完成签到,获得积分10
13秒前
ableyy发布了新的文献求助10
13秒前
LeonGuan完成签到 ,获得积分10
15秒前
酷波er应助谁在说话采纳,获得10
15秒前
皓哥无敌帅完成签到,获得积分20
16秒前
16秒前
16秒前
18秒前
wei完成签到,获得积分10
18秒前
剁手党完成签到,获得积分10
19秒前
慕青应助xiaoya927217采纳,获得10
19秒前
19秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
The ACS Guide to Scholarly Communication 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
Gerard de Lairesse : an artist between stage and studio 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 3075498
求助须知:如何正确求助?哪些是违规求助? 2728589
关于积分的说明 7505148
捐赠科研通 2376734
什么是DOI,文献DOI怎么找? 1260264
科研通“疑难数据库(出版商)”最低求助积分说明 610928
版权声明 597149