计算机应用研究

作者：张一飞,孟春运,蒋洲,栾力,ErnestDomanaanmwiGanaa,

单位：1.江苏科技大学经济管理学院,江苏镇江212100；2.江苏大学计算机科学与通信工程学院,江苏镇江212013；3.中国科学技术大学公共事务学院,合肥230026；4.希拉·利曼技术大学应用科学与技术学院,加纳瓦00233；

关键词：视觉问答,视觉推理,可解释性,人工智能,自然语言处理,计算机视觉,

基金：国家社科基金重点项目(16AJL008)；江苏省社科基金青年项目(22EYC001)；江苏高校哲学社会科学研究一般项目(2019SJA1927)；；

在视觉问答（VQA）任务中，“可解释”是指在特定的任务中通过各种方法去解释模型为什么有效。现有的一些VQA模型因为缺乏可解释性导致模型无法保证在生活中能安全使用，特别是自动驾驶和医疗相关的领域，将会引起一些伦理道德问题，导致无法在工业界落地。主要介绍视觉问答任务中的各种可解释性实现方式，并分为了图像解释、文本解释、多模态解释、模块化解释和图解释五类，讨论了各种方法的特点并对其中的一些方法进行了细分。除此之外，还介绍了一些可以增强可解释性的视觉问答数据集，这些数据集主要通过结合外部知识库、标注图片信息等方法来增强可解释性。对现有常用的视觉问答可解释方法进行了总结，最后根据现有视觉问答任务中可解释性方法的不足提出了未来的研究方向。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期