自动音频描述：近期进展与新挑战概述

自动音频描述是一项跨模态翻译任务，旨在为给定音频片段生成自然语言描述。近年来随着免费可用数据集的发布，该任务受到越来越多的关注。该问题主要通过深度学习技术加以解决。已提出众多方法，例如研究不同的神经网络架构、利用关键词或句子信息等辅助信息引导描述生成，以及采用不同的训练策略，这些极大地推动了该领域的发展。本文中，我们全面综述了自动音频描述领域已发表的成果，涵盖各类现有方法、评估指标与数据集。我们还讨论了开放挑战并展望了可能的未来研究方向。