映画質問応答のための全体的マルチモーダルメモリネットワーク【JST・京大機械翻訳】

Wang Anran; Luu Anh Tuan; Foo Chuan-Sheng; Zhu Hongyuan; Tay Yi; Chandrasekhar Vijay

文献

J-GLOBAL ID：201902244906802583 整理番号：19A2400176

映画質問応答のための全体的マルチモーダルメモリネットワーク【JST・京大機械翻訳】

Holistic Multi-Modal Memory Network for Movie Question Answering

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2400176&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2400176&from=J-GLOBAL&jstjournalNo=W0364A") }}

著者 (6件)： , , , , ,
資料名：
巻： 29 ページ： 489-499 発行年： 2020年
JST資料番号： W0364A ISSN： 1057-7149 CODEN： IIPRE4 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多様なデータ源の深い統合を必要とするので,マルチモーダルコンテキストを用いた質問問題は挑戦的な問題である。既存のアプローチは,1つの注意ホップの間のデータ源の間のすべての可能な相互作用の部分集合を考慮するだけである。本論文では,各ホップにおける異なる入力源(マルチモーダルコンテキストと質問)間の相互作用を完全に考慮する全体的なマルチモーダルメモリネットワーク(HMMN)フレームワークを提案した。さらに,関連する情報に関するヒントにおいて,著者らのフレームワークは,コンテキスト検索段階の間,考慮に答える選択を取り入れた。著者らのHMMNフレームワークは,マルチモーダルコンテキスト,質問,および回答選択から情報を効果的に統合し,質問応答のために検索されるより有益なコンテキストを可能にする。MovieQAとTVQAデータセットに関する実験結果は,著者らのHMMNフレームワークの有効性を実証した。広範なアブレーション研究は全体論的推論の重要性を示し,モデル性能に対する異なる注意戦略の寄与を明らかにした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , ,

図形・画像処理一般

前のページに戻る