本文介绍了一种新方法，将人名加入生成文本。通过 OCR 识别图像中的文字并 fine-tuning 预训练模型，同时修改了之前的多模态框架，接受来自任意数量的辅助分类器提供的相关信息。同时，创建了一个新的图像-标题数据集，名为 PAC，包含了一些知名人物的图像和对这些图像的描述，这些描述中包含了人名。