2020-07-02 CVPR2020 V&L論文討論（3） 筆記

[1] Bi-directional Relationship Inferring Network for Referring Image Segmentation

• 盧湖川老師
• 已有方法：語言->視覺，沒有視覺->語言。（->：指導）

[2] A Real-Time Cross-modality Correlation Filtering Method for Referring Expression Comprehension

• 北航劉偲、中山李冠斌
• 現有方法：兩階段（生成proposals、選最優proposal）比較慢
• 將相關濾波引入跨模態領域，用language feature當做kernel，在image feature上做相關濾波，得到響應圖（bbox的中心），再回歸w和h。
• 像極了SiamRPN，只不過一個branch改成了另一個模態。

[3] Vision-Dialog Navigation by Exploring Cross-modal Memory

• 跨模態記憶問題？
• 導航：只基於對話歷史->加入視覺模塊

[4] VQA with No Questions-Answers Training

• 不用answer就可以訓練。
• 通過問題圖，生成問題，生成的問題的答案沒有意義。

[5] Referring Image Segmentation via Cross-Modal Progressive Comprehension

• 額，沒太聽懂。

[6] Local-Global Video-Text Interactions for Temporal Grounding

• 參考鏈接

[7] Hypergraph Attention Networks for Multimodal Learning

• 參考鏈接

總結

這次結束的超級快，一小時20分鐘。