本文由同步，最新版本请查看原文：

术语Visual Dialog，大致这么翻译（通俗理解为斗图）。你可以给聊天机器人发送图片，它能理解图片的意思，你们可以就图片内容展开对话；除了文本之外，让图片也成为交流的一部分；这可以帮助盲人理解周围或社交媒体上的信息。这是自然语言处理与计算机视觉的交叉应用。相关工作已经有很多工作在为图像和文本搭建桥梁了。图像视频自动标题虽然效果有限，比如右边这只猫实际上在与一只貂戏耍，而不是一个玩具。图像语义对齐也就是将一个图片中的各个物体自动框出来，自动输出物体之间的语义联系：图像QA这种应用已经快要接近图像对话了，...

继续阅读： »

原文链接：

感谢阅读本文，欢迎 或访问获取更多内容