【2022新书】视觉问答 (VQA)：从理论到应用

视觉问答(Visual Question answer, VQA)通常是将图像、视频等视觉输入与与输入相关的自然语言问题结合起来，生成一个自然语言答案作为输出。这本质上是一个多学科的研究问题，涉及计算机视觉(CV)、自然语言处理(NLP)、知识表示与推理(KR)等。

此外，VQA必须克服一般图像理解和问答任务的挑战，以及使用混合质量输入的大规模数据库所带来的困难。然而，随着深度学习(DL)的出现，在CV和NLP中先进技术的存在以及相关大规模数据集的可用性的驱动下，我们最近看到了VQA方面的巨大进步，出现了更多的系统和有前景的结果。

这本书提供了VQA的全面概述，包括基本理论，模型，数据集，和有前途的未来方向。考虑到它的范围，它可以作为一本关于计算机视觉和自然语言处理的教科书，特别是对于研究人员和学生在视觉问题回答领域。它还强调了VQA中使用的关键模型。

https://link.springer.com/book/10.1007/978-981-19-0964-1

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“VQAB” 就可以获取《【2022新书】视觉问答 (VQA)：从理论到应用》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资料