Fugu-MT 論文翻訳(概要): Abduction of Domain Relationships from Data for VQA

論文の概要: Abduction of Domain Relationships from Data for VQA

arxiv url: http://arxiv.org/abs/2502.09219v1
Date: Thu, 13 Feb 2025 11:50:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-14 13:49:17.803928
Title: Abduction of Domain Relationships from Data for VQA
Title（参考訳）: VQAデータからの領域関係の排除
Authors: Al Mehdi Saadat Chowdhury, Paulo Shakarian, Gerardo I. Simari,
Abstract要約: 本稿では,画像とクエリがドメインデータを持たないASPプログラムによって表現される視覚的質問応答(VQA)の問題について検討する。
参考スコア（独自算出の注目度）: 1.6221957454728793
License:
Abstract: In this paper, we study the problem of visual question answering (VQA) where the image and query are represented by ASP programs that lack domain data. We provide an approach that is orthogonal and complementary to existing knowledge augmentation techniques where we abduce domain relationships of image constructs from past examples. After framing the abduction problem, we provide a baseline approach, and an implementation that significantly improves the accuracy of query answering yet requires few examples.
Abstract（参考訳）: 本稿では,画像とクエリがドメインデータを持たないASPプログラムによって表現される視覚的質問応答(VQA)の問題について検討する。既存の知識向上手法と直交的かつ相補的なアプローチとして,過去の例から画像構成物の領域関係を導出する手法を提案する。退行問題を解き明かした後、ベースラインのアプローチを提供し、クエリ応答の精度を大幅に改善する実装では、サンプルはほとんど必要としない。

関連論文リスト

Multimodal Hypothetical Summary for Retrieval-based Multi-image Question Answering [14.63910474388089]
QAの学習目標が探索段階の最適化に失敗するため, 「検索・回答」パイプラインはカスケードエラーに悩まされることが多い。本稿では,検索した情報をQAに効果的に導入し,参照するための新しい手法を提案する。提案手法は,RETVQAの最先端手法よりも3.7%,CLIPよりも14.5%,絶対的な改善を実現している。
論文参考訳（メタデータ） (2024-12-19T14:17:09Z)
KaPQA: Knowledge-Augmented Product Question-Answering [59.096607961704656]
我々はAdobe AcrobatとPhotoshop製品に焦点を当てた2つのQAデータセットを紹介した。また、製品QAタスクにおけるモデルの性能を高めるために、新しい知識駆動型RAG-QAフレームワークを提案する。
論文参考訳（メタデータ） (2024-07-22T22:14:56Z)
Ask Questions with Double Hints: Visual Question Generation with Answer-awareness and Region-reference [107.53380946417003]
本稿では,応答認識と領域参照を用いた視覚的質問生成のための新しい学習パラダイムを提案する。我々は、追加の人間のアノテーションを導入することなく、視覚的ヒントを自己学習する簡単な手法を開発した。
論文参考訳（メタデータ） (2024-07-06T15:07:32Z)
UNK-VQA: A Dataset and a Probe into the Abstention Ability of Multi-modal Large Models [55.22048505787125]
本稿ではUNK-VQAと呼ばれる包括的データセットを提案する。まず、画像または疑問について意図的に摂動することで、既存のデータを拡大する。そこで我々は,新たなマルチモーダル大規模モデルのゼロショット性能と少数ショット性能を広範囲に評価した。
論文参考訳（メタデータ） (2023-10-17T02:38:09Z)
Exploiting Abstract Meaning Representation for Open-Domain Question Answering [18.027908933572203]
抽象的意味表現(AMR)グラフを用いて、複雑な意味情報を理解するモデルを支援する。また,Natural Questions (NQ) と TriviaQA (TQ) の結果から,GST法が性能を著しく向上することを示した。
論文参考訳（メタデータ） (2023-05-26T16:00:16Z)
Logical Implications for Visual Question Answering Consistency [2.005299372367689]
本稿では,VQAモデルに広く適用可能な新しい整合損失項を提案する。本稿では,これらの論理的関係を専用言語モデルを用いて推論し,一貫性損失関数として用いることを提案する。我々は、VQAイントロスペクションとDMEデータセットに関する広範な実験を行い、我々の手法が最先端のVQAモデルに改善をもたらすことを示す。
論文参考訳（メタデータ） (2023-03-16T16:00:18Z)
Deep Image Deblurring: A Survey [165.32391279761006]
低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
論文参考訳（メタデータ） (2022-01-26T01:31:30Z)
Relation-Guided Pre-Training for Open-Domain Question Answering [67.86958978322188]
複雑なオープンドメイン問題を解決するためのRGPT-QA(Relation-Guided Pre-Training)フレームワークを提案する。 RGPT-QAは, 自然質問, TriviaQA, WebQuestionsにおいて, Exact Matchの精度が2.2%, 2.4%, 6.3%向上したことを示す。
論文参考訳（メタデータ） (2021-09-21T17:59:31Z)
Human-Adversarial Visual Question Answering [62.30715496829321]
我々は、最先端のVQAモデルと人間工学の例を比較検討する。これらの例で評価すると,多種多様な最先端モデルの性能が低下していることが分かる。
論文参考訳（メタデータ） (2021-06-04T06:25:32Z)
Analysis on Image Set Visual Question Answering [0.3359875577705538]
マルチイメージ環境での視覚質問応答の課題に対処する。従来のVQAタスクは、単一のイメージからターゲットの回答が生成される単一イメージ設定に重点を置いている。本報告では,タスクのパフォーマンス向上を目的とした4つのアプローチについて検討する。
論文参考訳（メタデータ） (2021-03-31T20:47:32Z)

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。