《Dual Attention Networks for Multimodal Reasoning and Matching》

Dual Attention Networks for Multimodal Reasoning and Matching CVPR 2017 圖文匹配終極問題是整個Text與整個Image的匹配問題，但是這個問題比較難以解決，所以一個最基本的想法就是把這個問題拆分開來，Text由不同的單詞構成，Image由不同的區域構成，如果能把Text的單詞與Image的區域進行一個匹配，那麼這個問題就會變得

>>阅读原文<<