视频常识描述

面向视频常识描述的自批判蒸馏网络

Self-Critical Distillation Network for Video-based Commonsense Captioning

论文把「视频→内容描述→常识」的推理链改造成带奖励函数的自批判学习加级联解码器蒸馏，可复用于任何需要让语言输出更依赖视觉证据、并在多个相关类别间共享推理的视觉-语言生成任务。