最新！多模态论文汇总

多模态生成是指综合使用图像，视频，文本等多种模态信息，进而自动化地生成符合人类视觉，文化的文本片段描述。

这次我整理了16篇多模态生成领域的论文，希望对大家的学习有所启发。

3D caption系列论文

1.Spatiality-guided Transformer for 3D Dense Captioning on Point Clouds

2.X-Trans2Cap_ Cross-Modal Knowledge Transfer using Transformerfor 3D Dense Captioning

Image caption系列论文

3.A Comprehensive Survey of Deep Learning for ImageCaptioning

4.Image Captioning with Semantic Attention

5.Knowing When to Look_ Adaptive Attention viaA Visual Sentinel for Image Captioning

6.Learning to Evaluate Image Captioning

7.SCA-CNN_ Spatial and Channel-wise Attention in Convolutional Networksfor Image Captioning

8.Show and Tell_ A Neural Image Caption Generator

9.Show, Attend and Tell_ Neural Image CaptionGeneration with Visual Attention

Multi-tasks caption系列论文

10.CLIP4Caption  - CLIP for Video Caption

11.VisualGPT_ Data-efficient Adaptation of Pretrained Language Models for ImageCaptioning

Video caption系列论文

12.Frame- and Segment-Level Features and Candidate PoolEvaluation for Video Caption Generation

13.Multi-Task Video Captioning with Video and Entailment Generation

14.Sequence to Sequence – Video to Text

15.Video Description Generation Incorporating Spatio-Temporal Features and aSoft-Attention Mechanism

16.Weakly Supervised Dense Video Captioning

扫描下方二维码，支付0.01元领论文

支付后务必添加客服微信预约直播

另外这次我还邀请到了在多家大厂担任算法研究员的朋友John老师，利用1小时左右的时间，给大家做一次多模态生成的系统分享。

John老师是计算机视觉全球前十机构高校联合培养博士，在多家大厂担任算法研究员，研究方向为多模态领域，如多模态检索，视音文多模态融合与生成，视觉问答等。

此次分享的时间在12月15日晚20:00开始分享时长大约1小时。以下是分享的大纲：

扫描下方二维码，支付0.01元领论文

支付后务必添加客服微信预约直播

02

主讲老师介绍

如果你想找个大牛带着你学习，在多模态生成及应用快速发文，我给大家推荐下John老师。

以下是招生信息：