本研究提出了一种基于知识库的视觉问答模型，结合视觉知识检索和问题回答方法，显著提升了在OK-VQA挑战赛中的表现。该模型通过多模态框架和语言指导，在多个数据集上实现了高准确率，展示了知识增强视觉问答的潜力。

学习压缩上下文以实现高效的基于知识的视觉问答
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证