csdn_tclz的博客

SPICE是一种文本生成的评价方法. SPICE 使用基于图的语义表示来编码 caption 中的 objects, attributes 和 relationships。首先,它将待评价的captions和参考captions通过一种名为概率上下文无关文法(Probabilistic Context-Free Grammar, PCFG)依赖解析器(dependency parser)解析成句法的依赖关系树(syntactic dependencies trees),然后利用基于规则的方法把depende

背景研究机构：Department of Computer Science and Technology；Centre de Visi´o per Computador, UAB；Montreal Institute for Learning Algorithms来源:ICLR2018摘要针对图结构的数据，本文提出了一种图注意力网络GAT，该网络使用masked self-attention用于解决之前图卷积模型中存在的问题。在GAT中，图中的每个节点可以根据邻节点的特征，为其分配不同的权值。GAT

论文来源https://arxiv.org/abs/2103.04235论文题为基于图的金字塔并带有显著性感知的全局上下文推理。研究领域为图像语义分割abstract自COVID-19爆发以来，对肺部CT图像感染分割一时成为研究的热点。感染区域分割的challenge在于：感染区域分布于多个肺叶上且感染块大小不一。本文提出了一个名为Graph-based Pyramid Global Context Reasoning(Graph-PGCR)模块来对各分散(disjoint)感染块的long-ran

背景研究机构：厦门大学纪荣嵘组论文接收于2020ACM MM摘要本文将NAS应用于VQA问题中，提出一种k-Armed Bandit based NAS(KAB-NAS)方法，简单来说即处理多模态特征的L个层由single-shot的方法搜索得出，每一层都提供K个候选算子而得名。此外，作者提出一个Automatic Graph Attention Network (AGAN)模块，通过三种图结构以及self-attention机制来学习图上的信息传播，是对传统的GCN的改进。NAS部分(非本篇的重