Neural Baby Talk

写下自己的理解。 1 Visual word，上图中的dog，cake就是visual word，也就是detector检测到的物体的词汇。   Text Word，“is on with”就是text word，也就是与视觉没有关系的词汇，“自己生成的吗？” 2 主要贡献——提出一个框架，能够生成（基于检测到的实体的）自然语言。 方法=slot+神经描述方法 3 我们的方法能够产生一些train

>>阅读原文<<