{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3325623"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3325623","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"ΠΟΛΥΤΡΟΠΙΚΗ ΣΥΜΠΤΗΞΗ ΚΑΙ ΜΗΧΑΝΙΣΜΟΙ ΑΥΤΟ-ΠΡΟΣΟΧΗΣ ΜΕΣΩ ΣΤΟΙΧΕΙΩΝ ΤΑΝΙΣΤΩΝ ΣΕ ΜΟΝΤΕΛΑ ΕΡΩΤΗΣΗΣ-ΑΠΑΝΤΗΣΗΣ ΕΙΚΟΝΩΝ","abstract":"Η απάντηση ερωτήσεων που αφορούν εικόνες, από πρόγραμμα τεχνητής νοημοσύνης μπορεί να περιγραφεί ως ένα πρόβλημα μηχανικής μηχανικής μάθησης που αποτελείται από δύο εισόδους, μια εικόνα και μια ερώτηση σε φυσική γλώσσα που αφορά την εικόνα. Απαιτείται από το δίκτυο να απαντήσει στην ερώτηση λαμβάνοντας υπόψην την εικόνα. Τα συγκεκριμένα μοντέλα είναι συνήθως αρκετά πολύπλοκα και όχι και τόσο καλά στο να απαντάνε εικόνες που δεν έχουν δει ξανά. Επιπροσθέτως η συλλογή εικόνων και ερωτήσεων απαιτεί ανθρώπινη εργασία και είναι κάπως δύσκολο να κάνει κάποιος επαύξηση στα δεδομένα ώστε να ελεγχθούν και να μας δώσουν το αποτέλεσμα που θέλουμε. Σε αυτή την εργασία θα εξεταστούν οι μηχανισμοί προσοχής που συμμετέχουν σε αυτές τις διαδικασίες-προβλήματα και μέσω ανάλυσης στοιχείων τανυστών, θα γίνει η προσπάθεια να βρεθούν καλύτερες συσχετίσεις μεταξύ κειμένου εικόνας.","abstract_html":"Η απάντηση ερωτήσεων που αφορούν εικόνες, από πρόγραμμα τεχνητής νοημοσύνης μπορεί να περιγραφεί ως ένα πρόβλημα μηχανικής μηχανικής μάθησης που αποτελείται από δύο εισόδους, μια εικόνα και μια ερώτηση σε φυσική γλώσσα που αφορά την εικόνα. Απαιτείται από το δίκτυο να απαντήσει στην ερώτηση λαμβάνοντας υπόψην την εικόνα. Τα συγκεκριμένα μοντέλα είναι συνήθως αρκετά πολύπλοκα και όχι και τόσο καλά στο να απαντάνε εικόνες που δεν έχουν δει ξανά. Επιπροσθέτως η συλλογή εικόνων και ερωτήσεων απαιτεί ανθρώπινη εργασία και είναι κάπως δύσκολο να κάνει κάποιος επαύξηση στα δεδομένα ώστε να ελεγχθούν και να μας δώσουν το αποτέλεσμα που θέλουμε. Σε αυτή την εργασία θα εξεταστούν οι μηχανισμοί προσοχής που συμμετέχουν σε αυτές τις διαδικασίες-προβλήματα και μέσω ανάλυσης στοιχείων τανυστών, θα γίνει η προσπάθεια να βρεθούν καλύτερες συσχετίσεις μεταξύ κειμένου εικόνας.","abstract_has_math":false,"creators":["Βαρσάμης Δημήτρης","Varsamis Dimitris"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:22:08Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3325623"],"render_values":[{"text":"uoadl:3325623","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3325623","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3325623","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3325623","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βαρσάμης Δημήτρης","Varsamis Dimitris"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3325623","https://pergamos.lib.uoa.gr/uoa/dl/object/3325623"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η απάντηση ερωτήσεων που αφορούν εικόνες, από πρόγραμμα τεχνητής νοημοσύνης μπορεί να περιγραφεί ως ένα πρόβλημα μηχανικής μηχανικής μάθησης που αποτελείται από δύο εισόδους, μια εικόνα και μια ερώτηση σε φυσική γλώσσα που αφορά την εικόνα. Απαιτείται από το δίκτυο να απαντήσει στην ερώτηση λαμβάνοντας υπόψην την εικόνα. Τα συγκεκριμένα μοντέλα είναι συνήθως αρκετά πολύπλοκα και όχι και τόσο καλά στο να απαντάνε εικόνες που δεν έχουν δει ξανά. Επιπροσθέτως η συλλογή εικόνων και ερωτήσεων απαιτεί ανθρώπινη εργασία και είναι κάπως δύσκολο να κάνει κάποιος επαύξηση στα δεδομένα ώστε να ελεγχθούν και να μας δώσουν το αποτέλεσμα που θέλουμε. Σε αυτή την εργασία θα εξεταστούν οι μηχανισμοί προσοχής που συμμετέχουν σε αυτές τις διαδικασίες-προβλήματα και μέσω ανάλυσης στοιχείων τανυστών, θα γίνει η προσπάθεια να βρεθούν καλύτερες συσχετίσεις μεταξύ κειμένου εικόνας.","Visual Question Answering (VQA) is a multi-modal Machine Learning task that consists of two inputs, an image and a natural language question about this image, and requires an answer. VQA models are often quite complex and are bad at answering previously unseen questions. Additionally, data collection requires intensive human labor, and it is hard to augment the natural language data. In this research the attention mechanisms that take place in VQA models are examined and through polynomial fusion among the tensors of image and question we are trying to find better correlations between image and question."]},{"key":"dc:title","label":"Title","values":["ΠΟΛΥΤΡΟΠΙΚΗ ΣΥΜΠΤΗΞΗ ΚΑΙ ΜΗΧΑΝΙΣΜΟΙ ΑΥΤΟ-ΠΡΟΣΟΧΗΣ ΜΕΣΩ ΣΤΟΙΧΕΙΩΝ ΤΑΝΙΣΤΩΝ ΣΕ ΜΟΝΤΕΛΑ ΕΡΩΤΗΣΗΣ-ΑΠΑΝΤΗΣΗΣ ΕΙΚΟΝΩΝ"]}]}],"canonical_facts":{"dc:creator":["Βαρσάμης Δημήτρης","Varsamis Dimitris"],"dc:date":["2023"],"dc:description":["Η απάντηση ερωτήσεων που αφορούν εικόνες, από πρόγραμμα τεχνητής νοημοσύνης μπορεί να περιγραφεί ως ένα πρόβλημα μηχανικής μηχανικής μάθησης που αποτελείται από δύο εισόδους, μια εικόνα και μια ερώτηση σε φυσική γλώσσα που αφορά την εικόνα. Απαιτείται από το δίκτυο να απαντήσει στην ερώτηση λαμβάνοντας υπόψην την εικόνα. Τα συγκεκριμένα μοντέλα είναι συνήθως αρκετά πολύπλοκα και όχι και τόσο καλά στο να απαντάνε εικόνες που δεν έχουν δει ξανά. Επιπροσθέτως η συλλογή εικόνων και ερωτήσεων απαιτεί ανθρώπινη εργασία και είναι κάπως δύσκολο να κάνει κάποιος επαύξηση στα δεδομένα ώστε να ελεγχθούν και να μας δώσουν το αποτέλεσμα που θέλουμε. Σε αυτή την εργασία θα εξεταστούν οι μηχανισμοί προσοχής που συμμετέχουν σε αυτές τις διαδικασίες-προβλήματα και μέσω ανάλυσης στοιχείων τανυστών, θα γίνει η προσπάθεια να βρεθούν καλύτερες συσχετίσεις μεταξύ κειμένου εικόνας.","Visual Question Answering (VQA) is a multi-modal Machine Learning task that consists of two inputs, an image and a natural language question about this image, and requires an answer. VQA models are often quite complex and are bad at answering previously unseen questions. Additionally, data collection requires intensive human labor, and it is hard to augment the natural language data. In this research the attention mechanisms that take place in VQA models are examined and through polynomial fusion among the tensors of image and question we are trying to find better correlations between image and question."],"dc:identifier":["uoadl:3325623","https://pergamos.lib.uoa.gr/uoa/dl/object/3325623"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["ΠΟΛΥΤΡΟΠΙΚΗ ΣΥΜΠΤΗΞΗ ΚΑΙ ΜΗΧΑΝΙΣΜΟΙ ΑΥΤΟ-ΠΡΟΣΟΧΗΣ ΜΕΣΩ ΣΤΟΙΧΕΙΩΝ ΤΑΝΙΣΤΩΝ ΣΕ ΜΟΝΤΕΛΑ ΕΡΩΤΗΣΗΣ-ΑΠΑΝΤΗΣΗΣ ΕΙΚΟΝΩΝ"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:22:08Z"}