NIPS2018 Reasoning with Graph Convolutional Networks用于事实视觉问答推理

跳出常规框架：用于事实性视觉问答的基于图卷积网络的推理过程

这份NIPS2018的一篇引人注目的论文又一次给大家带来了惊喜。今天分享的内容包括PDF文件和一张大气得体的PPT幻灯片下载链接：<>

一，介绍

VQA（Visual Question Answer）作为一种视觉信息处理任务

基于事实的视觉问答推理任务被称为FVQA

基于事实的图像问答任务（FVQA）中的输入数据由成对的图像与其对应问题构成；此外，在知识库中加入丰富的事实；这些事实通常以三元组形式表示为F = (x, y, r)，其中x代表图像中的实体信息、y代表属性或短语、r则为关系介词。“FVQA：Fact-Based Visual Question Answering”这一系统由 FVQA 提出者开发；该系统构建了一个包含大量数据的事实视觉问答基准；具体而言该基准集包含了 2190张图片 、5286个问题 以及与之对应的 4126个事实 。如上所示来自 FVAQ 事实视觉问答基准集中的三张典型图片。

左图问题：图片中的区域是用来做什么的？

事实三元组:(Field，UsedFor，G