視覺與語言的表徵學習：邁向更深層的影片理解

東京理科大學楊澤坤教授介紹以 Transformer 模型進行影片問答與幽默預測的研究。

東京理科大學資訊與電腦科技系楊澤坤教授介紹其研究：以 BERT 等 Transformer 模型進行特徵表徵，應用於影片問答與幽默預測兩項任務，藉此提升機器對影片內容的理解能力，並討論視覺與語言表徵的結合方向。

研討會