Multimodal Compact Bilinear Pooling for Visual Question Answering and Visual Grounding[ACL2018][論文読み]
VQAタスクにおいて，文と画像のベクトルを統合する為の手法．
VQAのようなマルチモーダルなタスクだと，文と画像のベクトルを統合した際のデータ量が肥大化してしまうことが問題．
その問題をFFTを用いて圧縮を行い，コンパクトにすることで解決．
かなりイケてる手法らしい．
VQAタスクにおいて，文と画像のベクトルを統合する為の手法．
VQAのようなマルチモーダルなタスクだと，文と画像のベクトルを統合した際のデータ量が肥大化してしまうことが問題．
その問題をFFTを用いて圧縮を行い，コンパクトにすることで解決．
かなりイケてる手法らしい．
