视觉问答

掌握视觉问答技术，理解图像内容理解与自然语言问答的结合方法。VQA任务定义：基于图像的自然语言问答；模型架构：双流编码、注意力融合；数据集：VQA v2、GQA、OK-VQA；评估指标：准确率、一致性评分；应用场景：教育、医疗、电商。