Stacked Cross-Attention per Visual Question Answering

Gli ultimi sviluppi nel campo del Visual Question Answering hanno posto l'accento sul concetto di "attention" come premessa fondamentale per pesare le informazioni visive e testuali. In questa tesi discuteremo l'utilizzo di una Stacked Cross-Attention applicata alla soluzione del nostro problema presentando i vantaggi di questo approccio e come un semplice modello, ideato secondo questa filosofia, possa già  conseguire significativi risultati.