新闻图片标题生成的视觉感知上下文建模

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

该研究提出了一种端到端模型,用于为嵌入新闻文章的图像生成标题。该模型采用多模态、多头注意力机制和转换器语言模型,解决了命名实体识别和多义词汇等问题,并在 CIDEr 评分上实现了四倍提升。

🏷️

标签

➡️

继续阅读