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
原文中文，约300字，阅读约需1分钟。发表于：。本文研究解决了视觉词义消歧（VWSD）中的多模态数据整合问题，提出了ARPA架构，将大型语言模型和变换器的特性融合，通过自定义的图神经网络层学习数据中的复杂关系。实验证明，ARPA在复杂消歧场景中表现出色，有望重塑语言和视觉数据互动的标准。
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。
