本研究提出了一种创新方法，通过多轮人类注释改善图像描述，解决了对图像的过度依赖和元数据透明度不足的问题。结果表明，该方法生成的描述更为丰富，提升了文本到图像生成和零-shot图像分类的效果。

本文提出了一种可解释自然语言理解的框架，使用人类注释的解释进行训练，并采用变分EM方法进行优化。实验证明该框架在监督和半监督设置下能有效预测，并生成良好的自然语言解释。

本文提出了一种可解释自然语言理解的框架，使用人类注释的解释进行训练，并采用变分EM方法进行优化。实验证明该框架在监督和半监督设置下能有效预测，并生成良好的自然语言解释。

该文提出了一种可解释自然语言理解的框架，使用少量人类注释的解释进行训练，并采用变分EM方法进行优化。同时，提出了基于解释的自训练方法，并在两个自然语言理解任务上进行实验，证明了该框架可以在监督和半监督设置下进行有效的预测，并生成良好的自然语言解释。