Neural Baby Talk

寫下自己的理解。 1 Visual word，上圖中的dog，cake就是visual word，也就是detector檢測到的物體的詞彙。   Text Word，「is on with」就是text word，也就是與視覺沒有關係的詞彙，「自己生成的嗎？」 2 主要貢獻——提出一個框架，能夠生成（基於檢測到的實體的）自然語言。 方法=slot+神經描述方法 3 我們的方法能夠產生一些train

>>阅读原文<<