【AAAI2020】用于视觉对话中深度视觉理解的自适应双向编码模型（DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue）, 中科院信工所于静等

题目：DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue

摘要： 近年来，结合视觉和语言的跨媒体人工智能技术取得了很大进展。其中，视觉对话任务要求模型同时具备推理、定位、语言表述等能力，对跨媒体智能提出了更大挑战。本文介绍了中科院信工所于静等的论文《DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue》（AAAI 2020）,该文针对视觉对话中涉及的图像内容范围广、多视角理解困难的问题，提出一种用于刻画图像视觉和语义信息的自适应双向编码模型——DualVD，从视觉目标、视觉关系、高层语义等多层面信息中自适应捕获回答问题的依据，同时通过可视化结果揭示不同信息源对于回答问题的贡献，具有较强的可解释性。该论文是和阿德莱德大学、北京航空航天大学、微软亚洲研究院共同完成。

代码链接：https://github.com/JXZe/DualVD