DeepMind提出视觉问题回答新模型，CLEVR准确率达98.8％

视觉注意力在许多方面都有助于人类的复杂视觉推理。例如，如果想要在一群人中认出一只狗的主人，人的视觉系统会自适应地分配更多的计算资源来处理与狗和可能的主人相关联的视觉信息，而非场景中的其他信息。感知效果是非常明显的，然而，注意力机制并不是计算机视觉领域的变革性力量，这可能是因为许多标准的计算机视觉任务，比如检测、分割和分类，都没有涉及有助于强化注意力机制的复杂推理。要回答关于特定图像的细节问题，这种任务就需要更复杂的推理模式。最近，用于解决视觉问答（Visual QA）任务的计算机视觉方法出现了迅速发展。成功的Visual QA架构必须能够处理多个目标及其之间的复杂关系，同时还要整合丰富的背景知识，注意力已成为一 ………………………………