Counterfactual Samples Synthesizing for Robust Visual Question Answering相关知识和理解
首先是生成对抗网络GAN，然后关于减轻语言偏见的方法有：1）基于对抗的，2）基于融合的，最后是关于CSS（反事实的） 生成对抗网络GAN 首先生成对抗网络的想法是：生成网络G尽量生成真实的图片去欺骗辨别网络D，辨别网络D尽量辨别出G生成的假图像和真实图像，二者对抗进行，提高模型性能。其缺点在于：1）不适合文本的离散数据，2）不容易找到对抗后的平衡点，3）训练过程不稳定。 基于嵌入的减少语言偏见的方
相关文章
- 1. 论文笔记 | Counterfactual Samples Synthesizing for Robust VQA
- 2. 《Online Filtering Training Samples for Robust Visual Tracking》解析
- 3. Cycle-Consistency for Robust Visual Question Answering阅读笔记
- 4. 关于Visual Question Answering Eval
- 5. Learning Conditioned Graph Structures for Interpretable Visual Question Answering
- 6. nips 208 visual question answering 导读
- 7. 论文解读：Hierarchical Question-Image Co-Attention for Visual Question Answering
- 8. MUREL: Multimodal Relational Reasoning for Visual Question Answering笔记
- 9. 【CVPR2018】Learning Visual Knowledge Memory Networks For Visual Question Answering【VQA视觉知识记忆网络】
- 10. Visual Question Answering with Memory-Augmented Networks
- 更多相关文章...
- • XML 相关技术 - XML 教程
- • 与传输层有关的基本知识 - TCP/IP教程
- • NewSQL-TiDB相关
- • Docker 清理命令
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记 | Counterfactual Samples Synthesizing for Robust VQA
- 2. 《Online Filtering Training Samples for Robust Visual Tracking》解析
- 3. Cycle-Consistency for Robust Visual Question Answering阅读笔记
- 4. 关于Visual Question Answering Eval
- 5. Learning Conditioned Graph Structures for Interpretable Visual Question Answering
- 6. nips 208 visual question answering 导读
- 7. 论文解读：Hierarchical Question-Image Co-Attention for Visual Question Answering
- 8. MUREL: Multimodal Relational Reasoning for Visual Question Answering笔记
- 9. 【CVPR2018】Learning Visual Knowledge Memory Networks For Visual Question Answering【VQA视觉知识记忆网络】
- 10. Visual Question Answering with Memory-Augmented Networks