AGIC：注意力引导的图像描述以提升描述相关性
计算机视觉与模式识别
2025-08-12 v1 人工智能
摘要
尽管图像描述取得了显著进展，但生成准确且描述性强的描述仍然是一个长期挑战。在本研究中，我们提出了注意力引导的图像描述 (AGIC)，它直接在特征空间中放大显著的视觉区域以引导描述生成。我们进一步引入了一种混合解码策略，结合了确定性和概率性采样，以平衡流畅性和多样性。为了评估 AGIC，我们在 Flickr8k 和 Flickr30k 数据集上进行了广泛的实验。结果表明，AGIC 在实现更快推理的同时，匹配或超越了多个最先进的模型。此外，AGIC 在多个评估指标上表现出色，为图像描述提供了一种可扩展且可解释的解决方案。
引用
@article{arxiv.2508.06853,
title = {AGIC: Attention-Guided Image Captioning to Improve Caption Relevance},
author = {L. D. M. S. Sai Teja and Ashok Urlana and Pruthwik Mishra},
journal= {arXiv preprint arXiv:2508.06853},
year = {2025}
}
备注
10 pages, 5 Figures