DIVE：面向描述性和多样性的视觉常识生成

BriefGPT - AI 论文速递 · 2024-08-15T00:00:00Z

本文利用预训练的语言-图像模型解决了可视化分析中的两个问题：高效探索大规模图像数据集和发现数据偏差，以及评估和生成图像标题的过程。通过分析自动生成的图像标题，深入了解视觉内容的语义基础，并揭示了数据偏差。同时，通过展示视觉内容与文本标题之间的关联，发现了预训练的语言-图像模型在标题生成能力上的不足，并提出了一种交互界面来引导标题生成。该系统经过案例研究和大规模图像数据集验证了其有效性。