跳到正文
arXiv · 机器人与计算机视觉· Yifan Cao, Yawen Zhang, Xiaocui Yang, Faxian Wan, Shi Feng, Daling Wang, Yifei Zhang, Shangshu Yu, Xianbing Zhao·· 13 小时前AI 评分72

R3Sieve:从注意力到答案的无训练高分辨率 VQA 框架

R$^{3}$Sieve: Suppressing Unconditional Information from Attention to Answers for High-Resolution VQA

AI 导读

arXiv 发布论文 R3Sieve,提出一种无需训练的框架以解决高分辨率视觉问答中无关信息干扰小目标证据的问题。该方法将推理分为定位、裁剪和回答三阶段,分别引入共享子空间抵消器、独特贡献发现器和内容对齐投票器等反事实参考机制来抑制干扰。实验显示,该框架在三个高分辨率 VQA 基准上表现最佳,相比基线模型准确率最高提升 21.5 个百分点。

来源:arXiv · 机器人与计算机视觉 · arxiv.org