BERT-like

BERT跨模态之后：占领了视觉常识推理任务榜单TOP 2！ 4

知行编程网 人工智能前沿 2年前 (2022-01-23) 117 0

前言 由于 BERT-like 模型在 NLP 领域上的成功，研究者们开始尝试将其应用到更为复杂的 多模态 任务上。要求模型除文本数据以外，还要接收其他模态的数据（比如图像、声音等），在理解和关联多模态数据的基础上，完成更加复杂也更贴近实际的跨模态任务。 而 视觉常识推理 （Visual Commonsense Reasoning，VCR）[1]就是一个非常具有挑战性的多模态任务，需要在理解文本的...