ARPA：一种新颖的混合模型，推动视觉词义消歧的进展，结合大型语言模型和变换器

BriefGPT - AI 论文速递 · 2024-08-12T00:00:00Z

该文章介绍了Alberta大学团队在SemEval-2023视觉词义消歧任务中的系统，使用了BabelNet中的注释、文本和图像编码器的组合算法。与英语编码器应用于翻译文本进行了比较。通过使用语言模型生成的描述来增强上下文，提高了准确性。还介绍了其他V-WSD方法的图像生成和文本条件图像分割，并评估了它们。官方提交结果排名第18，非官方结果更好。