Ohyeah at VLSP2022-EVJVQA challenge: a jointly language-image model for multilingual visual question answering
Tác giả: Luan Ngo Dinh, Hieu Le Ngoc, Long Quoc Phan
Số trang:
P. 381-392
Số phát hành:
Tập 39 - Số 4
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
03 Quang Trung
Mã phân loại:
005
Ngôn ngữ:
Tiếng Anh
Từ khóa:
Machine reading comprehension, question answering
Chủ đề:
Computer program language
Tóm tắt:
In this paper, we propose applying a jointly developed model to the task of multilingual visual question answering. Specifically, we conduct experiments on a multimodal sequence-to-sequence transformer model derived from the T5 encoder-decoder architecture. Text tokens and Vision Transformer (ViT) dense image embeddings are inputs to an encoder then we used a decoder to automatically anticipate discrete text tokens. We achieved the F1-score of 0.4349 on the private test set and ranked 2nd in the EVJVQA task at the VLSP shared task 2022. For reproducing the result, the code can be found at https://github.com/DinhLuan14/VLSP2022-VQA-OhYeah.
Tạp chí liên quan
- Đánh giá kết quả phẫu thuật Phaco điều trị bệnh đục thể thủy tinh trên mắt có hội chứng giả bong bao tại Bệnh viện 19-8
- Kết quả điều trị đau do zona bằng phương pháp giảm đau do người bệnh tự kiểm soát
- Tình trạng suy dinh dưỡng và các yếu tố liên quan ở người bệnh ung thư đường tiêu hóa đang hóa trị tại Bệnh viện Đại học Y Dược Thành phố Hồ Chí Minh
- Đánh giá kết quả của cấy chỉ kết hợp xoa bóp bấm huyệt, điện châm và thủy châm điều trị bệnh nhân thoái hóa khớp gối
- Đánh giá tác dụng của phương pháp laser châm kết hợp xoa bóp bấm huyệt điều trị đau vùng cổ gáy do thoái hóa cột sống cổ