Image Captioning — 图像描述

事实

让模型为图像生成自然语言描述的任务。

人话

图像描述就是朋友圈配文嘴替：照片刚发，它立刻补上谁在哪儿干啥。

让图片可搜索、可读屏，常用于相册、无障碍和电商。

相关概念

• 计算机视觉
• 多模态
• COCO 数据集（Common Objects in Context）
• Bilingual Evaluation Understudy，双语评估替补

Computer Vision
图像描述把“看见了什么”说成自然语言。

Multimodal AI
它是连接图像理解与语言生成的典型任务。

COCO Dataset
COCO 提供大量图片与人工描述配对。

BLEU
BLEU 常用于粗略评估描述与参考答案的相似度。