新框架ReCap通过重新对齐实体来改进零样本图像字幕生成

研究人员推出ReCap，一个旨在通过精炼合成图像-文本对来改进零样本图像字幕生成的新颖框架。与以往关注全局相似性的方法不同，ReCap通过使用检测到的图像实体来指导字幕重写，从而解决细粒度的实体级不对齐问题。这种方法增强了合成监督的保真度，并且可以集成到现有的数据管道中。实验表明，ReCap在各种零样本图像字幕生成基准测试中持续提高图像-文本一致性并取得最先进的成果。 AI

影响 通过提高合成数据质量，增强了AI生成图像描述的准确性和忠实度。

排序理由 介绍图像字幕生成新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ReCap
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →