总得来说，这篇文章较为抽象，理解起来相当费劲。很多地方加入了个人描述语句，如果有理解不当的地方，还望指出。 1. Abstract 协同注意力机制 ( Co-Attention ) 对每个模态的输入建立各自的注意力分布，忽略模态输入间的相互关联，这可以有效的降低计算开销。本文就是在协同注意力机制的基础上更进一步，考虑不同模态的输入的通道间的相互关联。以 VQA 为例，本文是为了发掘 Question 和 Image 在不同通道间的注意力分布，然后建立两者间的相互关联，最后以联合表征的形式输出信息