VQA-E は、Visual Question Answering with Explain の正式名称で、分析を伴う視覚的な質問と回答のデータ セットです。関連するモデルは、回答分析を予測して生成する必要があります。それはでできています VQA v2 データセット自動的に導出された「画像・質問・回答の 3 つの要素」がテキスト分析に合成されるため、質問と回答のプロセスが理解しやすくなり、追跡可能になります。

引用

@article{li2018vqae, タイトル={VQA-E: 視覚に関する質問への回答の説明、詳細化、および強化}、 author={リー、チンとタオ、チンイーとジョティ、シャフィクとカイ、ジャンフェイとルオ、ジエボ} ジャーナル={ECCV}、 年={2018} }