本研究は、生成的対抗ネットワーク(GAN)、オートエンコーダ、注意メカニズムを使用して、視覚的質問応答(VQA)の性能を向上させる革新的な手法を探索しています。
畳み込みを用いたテキスト特徴抽出により、複雑なテキストエンコーダを使用せずに視覚的質問応答の性能を向上させることができる。