基于深度学习的视觉问答研究综述（英文）

作者：黄同愿^*; 杨钰玲; 杨雪姣

来源：Journal of Central South University (English Edition), 2021, 28(03): 728-746.

• 计算机视觉
• 自然语言处理
• 视觉问答
• 深度学习
• 注意力机制

随着机器学习特别是深度学习的兴起和不断发展,对视觉问答领域的研究取得了重大进展,具有重要的理论研究意义和实际应用价值。因此,有必要对目前的研究进行总结,为该领域的研究者提供一些参考。本文对视觉答疑领域的相关研究和典型方法进行了详细而深入的分析和总结。首先,介绍了视觉问答的相关背景知识。其次,讨论了视觉答疑存在的问题和挑战,并对具体的方法进行探讨。第三,对影响视觉答疑的关键子问题进行了总结和分析。然后,对目前常用的数据集和评价指标进行了总结。针对VQA研究中流行的算法和模型,对各种算法和模型进行了总结和比较。最后,对视觉答疑的发展趋势和结论进行了展望。