视觉问答研究报告

摘 要：视觉问答（Visual Question Answering,VQA）是一项涉及计算机 视觉、自然语言理解、知识表示与推理的学习任务。其标准定义译为中 文通俗来说为：视觉问答系统的输入为一张图像和一个关于这张图像形 式自由、开放式的自然语言问题，经过系统处理后提供一个准确的自然 语言答案作为输出，也即是基于一张图像的问答处理。因此视觉问答系 统不仅要理解文字形式提出的问题，还需要进行图像处

>>阅读原文<<