論文筆記：Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answer

1. 引言 在image captioning和VQA中爲了生成搞質量的輸出，需要精細的視覺處理甚至多步推導。所以，視覺注意機制被廣泛的應用。 兩個定義： top-down：nonvisual or task-specific context bottom-up：purely visual feed-forward attention mechanisms 在image captioning和VQ

>>阅读原文<<