该研究提出了一种新的度量标准，用于评估无图像参考的标题文本的具体性和相关性。该方法利用强基模型衡量多模态表示中的视觉-语义信息损失，并证明与人类对文本具体性的评估相关。同时，使用该度量标准进行筛选可以选择高质量的样本，以进行高效训练。