Reasoning on the Relation: Enhancing Visual Representation for Visual Question Answering and Cross-Modal Retrieval

计算机科学 情态动词 人工智能 视觉推理 答疑 语义学(计算机科学) 代表(政治) 可视化 情报检索 关系(数据库) 对象(语法) 自然语言处理 数据挖掘 程序设计语言 高分子化学 法学 化学 政治 政治学
作者
Jing Yu,Zhang Wei-feng,Yuhang Lu,Zengchang Qin,Yue Hu,Jianlong Tan,Qi Wu
出处
期刊:IEEE Transactions on Multimedia [Institute of Electrical and Electronics Engineers]
卷期号:22 (12): 3196-3209 被引量:65
标识
DOI:10.1109/tmm.2020.2972830
摘要

Cross-modal analysis has become a promising direction for artificial intelligence. Visual representation is crucial for various cross-modal analysis tasks that require visual content understanding. Visual features which contain semantical information can disentangle the underlying correlation between different modalities, thus benefiting the downstream tasks. In this paper, we propose a Visual Reasoning and Attention Network (VRANet) as a plug-and-play module to capture rich visual semantics and help to enhance the visual representation for improving cross-modal analysis. Our proposed VRANet is built based on the bilinear visual attention module which identifies the critical objects. We propose a novel Visual Relational Reasoning (VRR) module to reason about pair-wise and inner-group visual relationships among objects guided by the textual information. The two modules enhance the visual features at both relation level and object level. We demonstrate the effectiveness of the proposed VRANet by applying it to both Visual Question Answering (VQA) and Cross-Modal Information Retrieval (CMIR) tasks. Extensive experiments conducted on VQA 2.0, CLEVR, CMPlaces, and MS-COCO datasets indicate superior performance comparing with state-of-the-art work.
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
仙女完成签到 ,获得积分10
刚刚
肥猫完成签到,获得积分10
3秒前
4秒前
苏su完成签到 ,获得积分10
4秒前
梅梅子完成签到 ,获得积分10
5秒前
jeffrey完成签到,获得积分0
6秒前
啊啊啊啊啊啊完成签到 ,获得积分10
6秒前
铜锣烧完成签到 ,获得积分10
7秒前
帆帆帆发布了新的文献求助10
9秒前
lorentzh完成签到,获得积分10
9秒前
Doctor.TANG完成签到 ,获得积分10
10秒前
怕黑面包完成签到 ,获得积分10
10秒前
小李新人完成签到 ,获得积分10
10秒前
江三村完成签到 ,获得积分0
15秒前
量子星尘发布了新的文献求助10
17秒前
kiki完成签到 ,获得积分10
20秒前
20秒前
starwan完成签到 ,获得积分10
21秒前
wmz完成签到 ,获得积分10
22秒前
kehe完成签到 ,获得积分10
22秒前
争气完成签到 ,获得积分10
24秒前
蚂蚁飞飞完成签到,获得积分10
24秒前
26秒前
斯文的思菱完成签到,获得积分10
28秒前
Tin完成签到,获得积分10
28秒前
威武的念波完成签到,获得积分10
29秒前
劳伦斯完成签到 ,获得积分10
30秒前
30秒前
曹济发布了新的文献求助10
31秒前
徐cc完成签到 ,获得积分10
32秒前
舒心的青亦完成签到 ,获得积分10
32秒前
kehe!完成签到 ,获得积分0
33秒前
殷勤的紫槐发布了新的文献求助200
34秒前
Tales完成签到 ,获得积分10
34秒前
刘刘完成签到,获得积分10
36秒前
西奥牧马完成签到 ,获得积分10
37秒前
量子星尘发布了新的文献求助10
39秒前
q1nzang完成签到 ,获得积分10
40秒前
岩鹰完成签到,获得积分10
40秒前
脑洞疼应助baixue采纳,获得10
47秒前
高分求助中
Aerospace Standards Index - 2025 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Clinical Microbiology Procedures Handbook, Multi-Volume, 5th Edition 1000
Teaching Language in Context (Third Edition) 1000
List of 1,091 Public Pension Profiles by Region 961
流动的新传统主义与新生代农民工的劳动力再生产模式变迁 500
Historical Dictionary of British Intelligence (2014 / 2nd EDITION!) 500
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 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5450504
求助须知:如何正确求助?哪些是违规求助? 4558218
关于积分的说明 14265752
捐赠科研通 4481783
什么是DOI,文献DOI怎么找? 2454981
邀请新用户注册赠送积分活动 1445752
关于科研通互助平台的介绍 1421880