BONiii

摘要： Overcoming Language Priors with Self-supervised Learningfor Visual Question Answering Abstract 大多数可视化问答（VQA）模型都是从语言先验问题出发的，而语言先验问题是由固有的数据偏差引起的。具体来说，vq 阅读全文

摘要： Check It Again: Progressive Visual Question Answeringvia Visual Entailment Abstract 虽然复杂的视觉问答模型取得了显着的成功，但它们往往只根据问题和答案之间的表面相关性来回答问题。 最近已经开发了几种的方法来解决这个语 阅读全文

摘要： Counterfactual VQA: A Cause-Effect Look at Language Bias Abstract VQA模型可能倾向于依赖语言偏见作为切入点，因此无法从视觉和语言两个方面充分学习多模态知识。最近提出了一种在推理过程中排除语言先验的借记方法。然而，他们未能从整体上理清 阅读全文

摘要： Don’t Take the Easy Way Out:Ensemble Based Methods for Avoiding Known Dataset Biases Abstract 最先进的模型通常利用数据中的表面模式，这些模式不能很好地泛化到域外或对抗性设置中。 例如，文本蕴涵模型经常学习特 阅读全文

摘要： RUBi: Reducing Unimodal Biasesfor Visual Question Answering Abstract 视觉问答（VQA）是回答有关图片的问题的任务。一些VQA模型通常利用单峰偏差来提供正确的答案，而不使用图像信息。因此，当对训练集分布之外的数据进行评估时，它们的性 阅读全文

摘要： Counterfactual Samples Synthesizing for Robust Visual Question Answering 论文链接：https://arxiv.org/abs/2003.06576v1 1 先前VQA模型中存在的缺陷 先前的VQA模型往往捕捉到训练集中的表面语 阅读全文

摘要： Html5和CSS3 广义的H5指的是HTML5本身+CSS3+JavaScript HTML5的新特性 新增的语义化标签 header：头部标签 nav：导航标签 article：内容标签 section：定义文档某个区域 aside：侧边栏标签 footer：尾部标签 效果类似于div，这些标签 阅读全文

摘要： CSS学习（5） 精灵图 使用精灵图核心： 精灵技术主要针对于背景图片的使用，就是把多个小背景图片整合到一张大图片中。 这个大图片也称为sprites精灵图或者雪碧图 移动背景图片位置，此时可以使用background-position。 移动的距离就是这个目标图片的x和y坐标。注意网页中的坐标有所 阅读全文

摘要： CSS学习（4） PS切图 图层切图 右键选中的图层，点击快速导出为PNG。 如果需要将多个图层合并成一张PNG输出，则选中多个图层，然后点击图层->合并图层（或者crt+E）。 切片切图 利用切片工具手动划出 文件菜单->导出->存储为web设备所用格式->选择我们要的图片格式->存储 PS插件切 阅读全文

摘要： CSS 学习（3） 盒子模型 盒子的组成 border边框，content内容，padding内边距，margin外边距。 边框（border） border-with：边框的粗细（一般情况下使用px为单位），未指定边框样式没法显示。 border-style：边框的样式（solid实线，dashe 阅读全文