サインイン
インサイト - Visual Question Answering (VQA)
CLEVR-POC: Reasoning-Intensive Visual Question Answering in Partially Observable Environments
人間の推論に焦点を当てたCLEVR-POCデータセットは、記号的な背景知識を扱うことが重要であり、ニューラルネットワークだけでは困難であることを示しています。
Q&A Prompts: Discovering Rich Visual Clues for VQA with Diverse World Knowledge
Collecting rich visual clues through Q&A prompts enhances reasoning in VQA tasks.
UNK-VQA: A Comprehensive Dataset for Enhancing VQA Models' Abstention Capability
Teaching VQA models to abstain from unanswerable questions is crucial for building trustworthy AI systems.
Few-Shot VQA Comparison: Embedding vs. Caption Approach
Flan-T5 XL LLM performance comparison between direct visual embeddings and image captions for few-shot VQA.
