Multi-View Attention Networks for Visual Dialog

 *    切入點：問題的重點是哪個 ，需要充分理解才能抓住重點——給定問題的語義意圖  determining the semantic intent of the given question and then leveraging question-relevant information from the dialog history and visual contents

這個賣點好，基于這個提出了三個module，提高了0.1%

Recursive Visual Attention in Visual Dialog

  *    切入點： 和前面比較弱，畢竟前面比較新，這個是  讓模型反復查找 history ，直到有自信后去 看圖片，具體方法沒細看（累了ing）

Large-scale Pretraining for Visual Dialog: A Simple State-of-the-Art Baseline

  *    切入點：利用了finetune 和 bert ，換了個切入點

DMRM: A Dual-channel Multi-hop Reasoning Model for Visual Dialog

 *     切入點：之前的模型是用 問題得到最相關的 history后直接去找相關圖片信息，相當于單輪的推理。而這篇論文是來回的推理，符合人類解決這類問題的直覺。

也是有 兩個 module 進行兩端推理，最后利用了一個多模態的attention來更好的得到答案。

DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue

代碼這個是數據沒給跑不了 ， 賣點——圖模型