Τίτλος σε άλλη γλώσσα: Vision – Language Transformers and visual question answering. [Αγγλική] Ημερομηνία: 12-05-2024 Συγγραφέας: ΒΑΣΙΛΕΙΟΣ ΝΟΥΛΑΣ Σχολή: Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα: Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ) Περίληψη (Abstract): Η Visual Question Answering (VQA - Οπτική Απάντηση Ερωτήσεων) είναι ένας εξαιρετικά σημαντικός και προκλητικός ερευνητικός τομέας όπου συναντήθηκαν πρόσφατα το Computer Vision (CV) και η Natural Language Processing (NLP). Στη σύνοψη λεζάντας εικόνων και στη σύνοψη βίντεο, οι σημασιολογικές πληροφορίες περιέχονται πλήρως σε στατικές εικόνες ή σ...