EVJVQA challenge: multilingual visual question answering
Tác giả: Ngan Luu-Thuy Nguyen, Nghia Hieu Nguyen, Duong T.D. Vo, Khanh Quoc Tran, Kiet Van Nguyen
Số trang:
P. 237-258
Số phát hành:
Tập 39 - Số 3
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
03 Quang Trung
Mã phân loại:
005
Ngôn ngữ:
English
Từ khóa:
Computer science, visual question answering, vision-language understanding, multiModal learning, information fusion, transformer model
Chủ đề:
Computer science
Tóm tắt:
In this article, we present details of the organization of the challenge, an overview of the methods employed by shared-task participants, and the results. The highest performances are 0.4392 in F1-score and 0.4009 in BLUE on the private test set. The multilingual QA systems proposed by the top 2 teams use ViT for the pre-trained vision model and mT5 for the pre-trained language model, a powerful pre-trained language model based on the transformer architecture. EVJVQA is a challenging dataset that motivates NLP and CV researchers to further explore the multilingual models or systems for visual question answering systems.
Tạp chí liên quan
- Máy tính lượng tử, cơ hội và thách thức đối với an toàn an ninh
- Trắc nghiệm thích ứng trên máy tính: Giải pháp mới đánh giá năng lực thí sinh
- Khai thác dữ liệu trong bảo trì thiết bị
- Áp dụng mạng Bayes xây dựng mô hình dự đoán xác suất có điều kiện phức hợp = Applying Bayesian network to build predicting model for complex conditional probabilities
- Tăng tốc dựa vào GPU giải thuật phân lớp chuỗi thời gian gồm tổ hợp bộ phân lớp 1-NN kết hợp với những đô đo khoảng cách không đàn hồi và đàn hồi