亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Unifying Vision-and-Language Tasks via Text Generation

计算机科学 隐藏字幕 判别式 人工智能 自然语言处理 生成语法 答疑 任务(项目管理) 一般化 语言模型 分类器(UML) 建筑 集合(抽象数据类型) 生成模型 图像(数学) 程序设计语言 艺术 数学分析 视觉艺术 数学 管理 经济
作者
Jaemin Cho,Jie Lei,Hao Tan,Mohit Bansal
出处
期刊:Cornell University - arXiv 被引量:21
标识
DOI:10.48550/arxiv.2102.02779
摘要

Existing methods for vision-and-language learning typically require designing task-specific architectures and objectives for each task. For example, a multi-label answer classifier for visual question answering, a region scorer for referring expression comprehension, and a language decoder for image captioning, etc. To alleviate these hassles, in this work, we propose a unified framework that learns different tasks in a single architecture with the same language modeling objective, i.e., multimodal conditional text generation, where our models learn to generate labels in text based on the visual and textual inputs. On 7 popular vision-and-language benchmarks, including visual question answering, referring expression comprehension, visual commonsense reasoning, most of which have been previously modeled as discriminative tasks, our generative approach (with a single unified architecture) reaches comparable performance to recent task-specific state-of-the-art vision-and-language models. Moreover, our generative approach shows better generalization ability on questions that have rare answers. Also, we show that our framework allows multi-task learning in a single architecture with a single set of parameters, achieving similar performance to separately optimized single-task models. Our code is publicly available at: https://github.com/j-min/VL-T5
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
17秒前
sowhat完成签到 ,获得积分10
31秒前
踏实月亮完成签到,获得积分10
2分钟前
2分钟前
雨竹完成签到,获得积分10
2分钟前
英勇海完成签到 ,获得积分10
2分钟前
4分钟前
dddd完成签到,获得积分10
4分钟前
4分钟前
4分钟前
丘比特应助科研通管家采纳,获得10
5分钟前
5分钟前
5分钟前
wu发布了新的文献求助20
5分钟前
5分钟前
6分钟前
6分钟前
领导范儿应助科研通管家采纳,获得10
7分钟前
7分钟前
7分钟前
7分钟前
子平完成签到 ,获得积分0
7分钟前
7分钟前
7分钟前
二三应助wu采纳,获得20
7分钟前
ln完成签到 ,获得积分10
7分钟前
7分钟前
漫步随心发布了新的文献求助10
8分钟前
漫步随心完成签到,获得积分10
8分钟前
8分钟前
大模型应助科研通管家采纳,获得10
9分钟前
9分钟前
9分钟前
Niko发布了新的文献求助10
9分钟前
Niko完成签到,获得积分10
10分钟前
10分钟前
10分钟前
Sunny完成签到,获得积分10
10分钟前
10分钟前
CherylZhao完成签到,获得积分10
10分钟前
高分求助中
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Social Research Methods (4th Edition) by Maggie Walter (2019) 2390
A new approach to the extrapolation of accelerated life test data 1000
Problems of point-blast theory 400
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4001108
求助须知:如何正确求助?哪些是违规求助? 3540434
关于积分的说明 11278537
捐赠科研通 3278572
什么是DOI,文献DOI怎么找? 1808139
邀请新用户注册赠送积分活动 884356
科研通“疑难数据库(出版商)”最低求助积分说明 810260