文献

J-GLOBAL ID：202302283943582693   整理番号：23A0759097

物体検出モデルに基づく視覚表現を用いた解釈可能なVisual Question Answeringモデルに関する検討

A Note on Interpretable Visual Question Answering Model with Visual Representation Based on Object Detection Model

著者 (4件)： ZHU He (北大 大学院情報科学院) ,  藤後廉 (北大 大学院情報科学研究院) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 映像情報メディア学会技術報告
巻： 47  号： 6(MMS2023 1-34/ME2023 21-54/AIT2023 1-34)  ページ： 17-21  発行年： 2023年02月14日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,物体検出モデルに基づく視覚表現を用いた解釈可能なVisual Question Answeringモデルに関する検討を行う.具体的に,質問応答において,回答に対する合理的な解釈を生成可能なVQAモデルを提案する.従来研究では,モデルの解釈性向上のために,高レベルの自然言語による解釈文を生成する手法が種々存在する.しかしながら,これらの多くは画像中の情報のみに着目し,解釈文を生成する.一方,本研究では,モデルが様々な情報を参照することで,解釈性の向上が可能になることに注目した.具体的に,物体検出モデルを活用することで,画像内の物体に含まれる情報を参照し,高精度な解釈の生成を行う.さらに,画像および質問により検索した外部知識を導入することで,より多くの情報の参照を行う.本文の最後では,一般に公開されているデータセットを用いた実験により提案手法の有効性を確認する.(著者抄録)

シソーラス用語： *物体認識 ,  *画像認識 ,  *視覚 ,  画像検索 ,  質問応答システム ,  自然言語処理
準シソーラス用語： *視覚表現 ,  質問応答

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 物体検出 ,  モデル ,  視覚表現