清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

Robust visual question answering via semantic cross modal augmentation

稳健性(进化) 计算机科学 情态动词 人工智能 再培训 答疑 构造(python库) 机器学习 自然语言处理 生物化学 基因 业务 国际贸易 化学 高分子化学 程序设计语言
作者
Akib Mashrur,Wei Luo,Nayyar A. Zaidi,Antonio Robles‐Kelly
出处
期刊:Computer Vision and Image Understanding [Elsevier BV]
卷期号:238: 103862-103862 被引量:6
标识
DOI:10.1016/j.cviu.2023.103862
摘要

Recent advances in vision-language models have resulted in improved accuracy in visual question answering (VQA) tasks. However, their robustness remains limited when faced with out-of-distribution data containing unanswerable questions. In this study, we first construct a simple randomised VQA dataset, incorporating unanswerable questions from the VQA v2 dataset, to evaluate the robustness of a state-of-the-art VQA model. Our findings reveal that the model struggles to predict the "unknown" answer or provides inaccurate responses with high confidence scores for irrelevant questions. To address this issue without retraining the large backbone models, we propose Cross Modal Augmentation (CMA), a model-agnostic, test-time-only, multi-modal semantic augmentation technique. CMA generates multiple semantically-consistent but heterogeneous instances from the visual and textual inputs, which are then fed to the model, and the predictions are combined to achieve a more robust output. We demonstrate that implementing CMA enables the VQA model to provide more reliable answers in scenarios involving unanswerable questions, and show that the approach is generalisable across different categories of pre-trained vision language models.
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
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
砚田青衿完成签到,获得积分10
16秒前
17秒前
fabius0351完成签到,获得积分10
22秒前
碧蓝的安露完成签到 ,获得积分10
46秒前
yy完成签到 ,获得积分10
51秒前
读书的畀完成签到 ,获得积分10
55秒前
yang完成签到 ,获得积分10
1分钟前
1分钟前
2分钟前
jlwang完成签到,获得积分10
2分钟前
2分钟前
2分钟前
可乐完成签到 ,获得积分10
2分钟前
小田完成签到 ,获得积分10
2分钟前
鸡鸡大魔王完成签到,获得积分10
2分钟前
冥界大西瓜完成签到,获得积分10
2分钟前
科研小白完成签到 ,获得积分10
2分钟前
Orange应助Una采纳,获得10
3分钟前
3分钟前
Una发布了新的文献求助10
3分钟前
Una完成签到,获得积分10
3分钟前
林海完成签到 ,获得积分10
3分钟前
4分钟前
4分钟前
糟糕的翅膀完成签到,获得积分10
4分钟前
文献求助发布了新的文献求助10
4分钟前
沙海沉戈完成签到,获得积分0
5分钟前
ys完成签到 ,获得积分10
5分钟前
寒冷的月亮完成签到 ,获得积分10
5分钟前
文献求助完成签到,获得积分10
5分钟前
mix完成签到 ,获得积分10
5分钟前
Kao应助科研通管家采纳,获得30
5分钟前
深情安青应助科研通管家采纳,获得10
5分钟前
Kao应助科研通管家采纳,获得10
5分钟前
yipmyonphu完成签到,获得积分10
6分钟前
depravity完成签到 ,获得积分10
6分钟前
黑猫老师完成签到 ,获得积分10
6分钟前
枫叶人生完成签到,获得积分10
6分钟前
Alvin完成签到 ,获得积分10
7分钟前
逍遥子完成签到,获得积分10
7分钟前
高分求助中
Principles of Economics, 11th Edition 10000
University Physics with Modern Physics, 16th edition 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
Development of a Bridge Weigh-In-Motion System: A technology to convert the bridge response to the passage of traffic into data on vehicle configurations, speeds, times of travel and weights 1000
ズームレンズの光学設計に関する研究 800
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7282113
求助须知:如何正确求助?哪些是违规求助? 8902944
关于积分的说明 18833708
捐赠科研通 6953175
什么是DOI,文献DOI怎么找? 3207556
关于科研通互助平台的介绍 2377826
邀请新用户注册赠送积分活动 2182729