AC-Lite：一种面向低资源阿萨姆语图像的轻量级图像描述生成模型
计算机视觉与模式识别
2025-05-01 v2 人工智能
计算与语言
摘要
大多数现有的图像描述生成工作使用计算密集的深度神经网络，并以英语语言生成图像描述。这通常限制了这种重要的辅助工具在语言和无障碍障碍方面的广泛使用。本工作提出了AC-Lite，一种面向低资源阿萨姆语进行图像描述的计算高效模型。AC-Lite通过用轻量级替代组件替换计算密集的深度网络组件来降低计算需求。AC-Lite模型通过使用不同图像特征提取网络和语言解码器的广泛消融实验进行设计。ShuffleNetv2x1.5与基于GRU的语言解码器结合双线性注意力的组合被发现能在最低计算量下提供最佳性能。AC-Lite在COCO-AC数据集上以2.45 GFLOPs和2287万参数实现了82.3的CIDEr分数。
引用
@article{arxiv.2503.01453,
title = {AC-Lite : A Lightweight Image Captioning Model for Low-Resource Assamese Language},
author = {Pankaj Choudhury and Yogesh Aggarwal and Prabhanjan Jadhav and Prithwijit Guha and Sukumar Nandi},
journal= {arXiv preprint arXiv:2503.01453},
year = {2025}
}