論文の概要: Change Detection Meets Visual Question Answering
- arxiv url: http://arxiv.org/abs/2112.06343v1
- Date: Sun, 12 Dec 2021 22:39:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 06:44:41.712055
- Title: Change Detection Meets Visual Question Answering
- Title（参考訳）: Change Detectionがビジュアル質問に答える
- Authors: Zhenghang Yuan, Lichao Mou, Zhitong Xiong, Xiaoxiang Zhu
- Abstract要約: マルチ時間空間画像における変化検出に基づく視覚的質問応答 (CDVQA) の導入について述べる。
特に、2つの入力画像間のコンテンツ変化に応じて、マルチテンポラリ画像のクエリを行い、高レベルな変更ベースの情報を得る。
本研究で考案されたベースラインCDVQAフレームワークには,マルチテンポラル特徴符号化,マルチテンポラル融合,マルチモーダル融合,応答予測の4つの部分が含まれている。
- 参考スコア（独自算出の注目度）: 23.63790450326685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Earth's surface is continually changing, and identifying changes plays an
important role in urban planning and sustainability. Although change detection
techniques have been successfully developed for many years, these techniques
are still limited to experts and facilitators in related fields. In order to
provide every user with flexible access to change information and help them
better understand land-cover changes, we introduce a novel task: change
detection-based visual question answering (CDVQA) on multi-temporal aerial
images. In particular, multi-temporal images can be queried to obtain high
level change-based information according to content changes between two input
images. We first build a CDVQA dataset including multi-temporal
image-question-answer triplets using an automatic question-answer generation
method. Then, a baseline CDVQA framework is devised in this work, and it
contains four parts: multi-temporal feature encoding, multi-temporal fusion,
multi-modal fusion, and answer prediction. In addition, we also introduce a
change enhancing module to multi-temporal feature encoding, aiming at
incorporating more change-related information. Finally, effects of different
backbones and multi-temporal fusion strategies are studied on the performance
of CDVQA task. The experimental results provide useful insights for developing
better CDVQA models, which are important for future research on this task. We
will make our dataset and code publicly available.
- Abstract（参考訳）: 地球の表面は継続的に変化しており、変化の特定は都市計画と持続可能性において重要な役割を担っている。
変化検出技術は長年にわたって開発されてきたが,関連分野の専門家やファシリテータに限られている。
情報変更に対する柔軟なアクセスを提供し,土地被覆変更の理解を深めるために,複数時空間画像に対する変化検出に基づく視覚的質問応答(cdvqa)という新しいタスクを導入する。
特に、2つの入力画像間の内容変化に応じてハイレベルな変更ベース情報を得るために、複数の時間的画像に照会することができる。
我々はまず,自動質問応答生成手法を用いて,複数時間画像検索用三重項を含むCDVQAデータセットを構築した。
次に,本研究でベースラインCDVQAフレームワークを考案し,マルチテンポラル特徴符号化,マルチテンポラル融合,マルチモーダル融合,応答予測の4つの部分を含む。
さらに,変更関連情報の導入を目的とした,多時間特徴エンコーディングのための変更強化モジュールも導入する。
最後に,CDVQAタスクの性能に異なるバックボーンと多時間融合戦略が及ぼす影響について検討した。
実験により,CDVQAモデルの開発に有用な知見が得られた。
データセットとコードを公開します。
関連論文リスト
- Benchmarking Multimodal Retrieval Augmented Generation with Dynamic VQA Dataset and Self-adaptive Planning Agent [102.31558123570437]
マルチモーダル大規模言語モデル(MLLM)に固有の「ハロシン化」問題を緩和する上で,mRAG(Multimodal Retrieval Augmented Generation)が重要な役割を果たしている。
マルチモーダル検索のための自己適応型計画エージェントOmniSearchを提案する。
論文 参考訳（メタデータ） (2024-11-05T09:27:21Z) - Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - DRFormer: Multi-Scale Transformer Utilizing Diverse Receptive Fields for Long Time-Series Forecasting [3.420673126033772]
本稿では,動的スパース学習アルゴリズムを用いた動的トークン化手法を提案する。
提案するDRFormerは,実世界の様々なデータセットを用いて評価し,既存の手法と比較して,その優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2024-08-05T07:26:47Z) - DAMSDet: Dynamic Adaptive Multispectral Detection Transformer with
Competitive Query Selection and Adaptive Feature Fusion [82.2425759608975]
赤外可視物体検出は、赤外画像と可視画像の相補的情報を融合することにより、フルデイ物体検出の堅牢化を目指している。
本稿では,この2つの課題に対処する動的適応型マルチスペクトル検出変換器(DAMSDet)を提案する。
4つの公開データセットの実験は、他の最先端の手法と比較して大幅に改善されている。
論文 参考訳（メタデータ） (2024-03-01T07:03:27Z) - Consolidating Attention Features for Multi-view Image Editing [126.19731971010475]
本研究では,空間制御に基づく幾何学的操作に着目し,様々な視点にまたがって編集プロセスを統合する手法を提案する。
編集画像の内部クエリ機能に基づいて訓練されたニューラルラジアンス場QNeRFを紹介する。
拡散時間の経過とともにクエリをよりよく統合する、プログレッシブで反復的な手法により、プロセスを洗練します。
論文 参考訳（メタデータ） (2024-02-22T18:50:18Z) - ChangeNet: Multi-Temporal Asymmetric Change Detection Dataset [20.585593022144398]
ChangeNetは31,000のマルチタイムイメージペア、100都市からの幅広い複雑なシーン、および6ピクセルレベルのカテゴリで構成されている。
ChangeNetには、同じ領域における異なる時間フェーズにおける現実世界の視点歪みの量が含まれている。
ChangeNetデータセットはバイナリ変更検出(BCD)とセマンティック変更検出(SCD)の両方に適している。
論文 参考訳（メタデータ） (2023-12-29T01:42:20Z) - ViCLEVR: A Visual Reasoning Dataset and Hybrid Multimodal Fusion Model
for Visual Question Answering in Vietnamese [1.6340299456362617]
ベトナムにおける様々な視覚的推論能力を評価するための先駆的な収集であるViCLEVRデータセットを紹介した。
我々は、現代の視覚的推論システムの包括的な分析を行い、その強みと限界についての貴重な洞察を提供する。
PhoVITは、質問に基づいて画像中のオブジェクトを識別する総合的なマルチモーダル融合である。
論文 参考訳（メタデータ） (2023-10-27T10:44:50Z) - MGA-VQA: Multi-Granularity Alignment for Visual Question Answering [75.55108621064726]
視覚的な質問に答えることを学ぶことは、マルチモーダル入力が2つの特徴空間内にあるため、難しい作業である。
視覚質問応答タスク(MGA-VQA)のための多言語アライメントアーキテクチャを提案する。
我々のモデルはアライメントを異なるレベルに分割し、追加のデータやアノテーションを必要とせずにより良い相関関係を学習します。
論文 参考訳（メタデータ） (2022-01-25T22:30:54Z) - MuMuQA: Multimedia Multi-Hop News Question Answering via Cross-Media
Knowledge Extraction and Grounding [131.8797942031366]
我々は、画像中のオブジェクトをテキストにクロスメディアグラウンドする必要があるニュース記事について、1,384の質問を含む新しいQA評価ベンチマークを示す。
具体的には、画像キャプチャーペアの推論を必要とするマルチホップ質問によって、参照されている接地された視覚オブジェクトを特定し、その質問に答えるためにニュースボディテキストからスパンを予測する。
本稿では, マルチメディアデータ拡張フレームワークを提案する。これは, クロスメディア知識抽出と合成質問応答生成に基づいて, このタスクの弱い監視を提供するデータを自動的に強化するものである。
論文 参考訳（メタデータ） (2021-12-20T18:23:30Z) - Domain-robust VQA with diverse datasets and methods but no target labels [34.331228652254566]
VQAのドメイン適応は、さらなる複雑さのためにオブジェクト認識の適応とは異なる。
これらの課題に取り組むために、まず一般的なVQAデータセット間のドメインシフトを定量化します。
また,画像領域と質問領域の合成シフトを別々に構築する。
論文 参考訳（メタデータ） (2021-03-29T22:24:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。