VQA：问题决定此刻需要哪一项信息

回答是否利用视觉，需要一组正确答案随图像变化的条件来检查。 · 在课堂播放器中查看

相同人物图像对应数量、持球者、球色三问；另一状态隐藏图片并将答案改为需依据图像确定。