通过结构化上下文推理提升基于知识的视觉问答

英文标题：Boosting Knowledge-based Visual Question Answering with Structured Context Reasoning

该论文研究基于知识的视觉问答（Knowledge-based Visual Question Answering，KB-VQA）任务，即结合图像、文本与外部知识回答问题。论文指出，近期方法常利用上下文学习（in-context learning）向大型语言模型（LLM）提供提示。其核心方向是引入结构化上下文推理，以改善视觉信息、文本信息与外部知识之间的整合。该研究可能为需要检索、组织和推理多源知识的视觉 AI 系统及相关开发者提供参考。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB