目錄

• 簡介
• 動機
• 貢獻
• 方法
• 實驗

簡介

本文出自加州大學伯克利分校。這篇文章既不是image captioning，也不是video captioning，而是change captioning，就是針對pair image生成caption。
下載鏈接

動機

發現image pair中發生了什么變化是很重要的，但是模型應該具備區分distractors（如：光照變化、視角變化）和changes（物品被移動）的能力。

貢獻

提出CLEVR-Change數據集，用于訓練change captioning。

提出了一個用于change captioning的方法，可以區分distractors和changes，取得了不錯的實驗結果。

方法

本文方法也簡潔明了，如下圖所示，分為Dual Attention和Dynamic Speaker兩個模塊。

本文在構造image pair時，考慮了兩種數據。①image pair只存在光照/視角變化；②在光照/視角變化的前提下，加入場景變化。場景變化主要包括五種，分別是：顏色變化、材質變化、添加物品、丟棄物品、移動物品。

實驗

實驗結果

結果展示

總結

以上是生活随笔為你收集整理的ICCV 2019 《Robust Change Captioning》论文笔记（数据集）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。