【文章阅读visual granding】GuessWhat?! Visual object discovery through multi-modal dialogue
一、文章主要有两个贡献点1、建立了基于对话的visualgranding数据集2、给出了基于深度学习的baselinemodel二、数据集这是数据集中的两个例子，可以发现每一张图有一个instance级别的标注，并且对应若干个问答形式的描述！任务的目的在于通过这些问答形式的描述，自动的确定所描述的目标物体是谁！三、基础模型从图中可以发现，模型的结构还是比较简单的，有5类不通的输入内容：1、cont