정확한 언어-비전 위치 지정을 위한 자기 주도적 다중 수준 교차 모달 상호 작용 모델링

다중 수준의 시각적 및 언어적 정보를 효과적으로 활용하고 풍부한 다중 수준 정보를 포함하는 어려운 예제에서 지식을 추출하는 것이 참조 표현 이해 과제에서 핵심적이다.