您好,十分感谢您的贡献,但是baseline无法复现出论文中的结果 1. 存在文件与代码中的数据处理方式不完全匹配的情况(代码中提到的KVQA),是否方便给出一个完整的数据集。 2. 因lua实现resnet不方便使用,所以改成了使用visual transformer进行图像特征提取,但最终得到的top1只有5%,是否方便指点一下
您好,十分感谢您的贡献,但是baseline无法复现出论文中的结果