Multimodal Compact Bilinear Pooling for Visual Question Answering and Visual Grounding

• 类型：arxiv
• 标识：1606.01847
• 链接：https://arxiv.org/abs/1606.01847
• 主题：database
• 主分类：multimodal
• 形态：method
• 被引：1602
• 被引来源：Semantic Scholar
• S2被引：1602
• OpenAlex被引：396
• 影响力被引：203
• TLDR：This work extensively evaluates Multimodal Compact Bilinear pooling (MCB) on the visual question answering and grounding tasks and consistently shows the benefit of MCB over ablations without MCB.
• OpenAlex ID：W2412400526
• OpenAlex DOI：10.48550/arxiv.1606.01847
• DOI：10.48550/arxiv.1606.01847
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/1606.01847
• OpenAlex更新：2026-08-19
• 待LLM分类：否
• 标题中文：用于视觉问答与视觉定位的多模态紧凑双线性池化
• TLDR中文：在视觉问答与视觉定位任务上对多模态紧凑双线性池化（MCB）进行了广泛评测，结果一致表明 MCB 优于去掉 MCB 的消融版本
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]