标题：基于知识的视觉问答的多模态知识提取与积累来源：CVPR2022https://arxiv.org/abs/2203.09138代码：https://github.com/AndersonStra/MuKEA一、问题提出一般的基于知识的视觉问答（KB-VQA）要求具有关联外部知识的能力，以实现开放式跨模态场景理解。现有的研究主要集中在从结构化知识图中获取相关知识，如ConceptNet和DBpedia，或从非结构化/半结构化知识中获取相关知识，如Wikipedia和VisualGenome。虽然这些知识库通过大规模的人工标注提供了高质量的知识，但一个局限性是，它们从纯文本的知识库中获取相关
标题：基于知识的视觉问答的多模态知识提取与积累来源：CVPR2022https://arxiv.org/abs/2203.09138代码：https://github.com/AndersonStra/MuKEA一、问题提出一般的基于知识的视觉问答（KB-VQA）要求具有关联外部知识的能力，以实现开放式跨模态场景理解。现有的研究主要集中在从结构化知识图中获取相关知识，如ConceptNet和DBpedia，或从非结构化/半结构化知识中获取相关知识，如Wikipedia和VisualGenome。虽然这些知识库通过大规模的人工标注提供了高质量的知识，但一个局限性是，它们从纯文本的知识库中获取相关
标题：视觉问答中关于组合泛化的多模态图神经网络来源：NeurlPS2020https://proceedings.neurips.cc/paper/2020/hash/1fd6c4e41e2c6a6b092eb13ee72bce95-Abstract.html代码：https://github.com/raeidsaqur/mgn一、问题提出重点：组合泛化问题例子：自然语言为例，比如人们能够学习新单词的含义，然后将其应用到其他语言环境中。一个人如果学会了一个新动词'dax'的意思，就能立即类推到'singanddax'的意思。”类似地，在训练的时候，可能在测试集中出现了训练集中没有出现过的元素
标题：视觉问答中关于组合泛化的多模态图神经网络来源：NeurlPS2020https://proceedings.neurips.cc/paper/2020/hash/1fd6c4e41e2c6a6b092eb13ee72bce95-Abstract.html代码：https://github.com/raeidsaqur/mgn一、问题提出重点：组合泛化问题例子：自然语言为例，比如人们能够学习新单词的含义，然后将其应用到其他语言环境中。一个人如果学会了一个新动词'dax'的意思，就能立即类推到'singanddax'的意思。”类似地，在训练的时候，可能在测试集中出现了训练集中没有出现过的元素
BUAA_OO_U2_Summary由于本人废话比较多，所以提供一个目录BUAA_OO_U2_Summary一/架构设计1.0>题目解析1.1>HW51.1.1>做法分析1.1.2>获取请求1.1.3>请求分配1.1.4>电梯调度1.1.5>托盘（缓冲区）1.1.6>输出1.1.7>类图1.2>HW61.2.1>迭代开发1.2.2>请求分配1.3.3>横向电梯调度1.3.4>类图1.3>HW71.3.1>迭代开发1.3.2>请求拆解1.3.3>请求分配1.3.4>电梯调度1.3.5>如何结束1.3.6>架构图1.4>顺序图二/捉虫大战2.1>自测bug2.2>互测bug三/度量分析3.1>代码
BUAA_OO_U2_Summary由于本人废话比较多，所以提供一个目录BUAA_OO_U2_Summary一/架构设计1.0>题目解析1.1>HW51.1.1>做法分析1.1.2>获取请求1.1.3>请求分配1.1.4>电梯调度1.1.5>托盘（缓冲区）1.1.6>输出1.1.7>类图1.2>HW61.2.1>迭代开发1.2.2>请求分配1.3.3>横向电梯调度1.3.4>类图1.3>HW71.3.1>迭代开发1.3.2>请求拆解1.3.3>请求分配1.3.4>电梯调度1.3.5>如何结束1.3.6>架构图1.4>顺序图二/捉虫大战2.1>自测bug2.2>互测bug三/度量分析3.1>代码
