不确定性感知的多视角视觉语义嵌入
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该文介绍了UAMVSE图像-文本匹配框架，通过多种视图-文本匹配将整体匹配分解，并引入不确定性感知损失函数来增强模型理解图像和文本的对应关系的能力。实验结果表明，该模型在Flicker30k和MS-COCO数据集上优于最先进的模型。
🏷️
