多语言图像描述评估:CLIP模型能达到多远?

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本研究提出两种策略以解决多语言图像描述评估中的数据稀缺问题,结果表明微调的多语言模型具有良好的泛化能力,并与人类评判结果高度相关。

🏷️

标签

➡️

继续阅读