为神经图像描述带回简洁与轻量
计算与语言
2018-10-16 v1
摘要
神经图像描述(NIC)或神经字幕生成在过去几年中吸引了大量关注。用自然语言描述图像一直是计算机视觉与语言处理两个领域中的新兴挑战。因此大量研究聚焦于以新颖创意推动该任务前进。迄今为止，目标一直是在自动化指标上最大化分数，为此必须提出众多新模块与技术。一旦这些叠加，模型变得复杂且耗费资源。在本文中，我们退一小步以研究一种在性能与计算复杂度间具有有趣权衡的架构。为此，我们处理神经描述模型的每个组件并提出一个或多个减轻模型整体负担的方案。我们的思路受两个相关任务启发：多模态与单模态神经机器翻译。
引用
@article{arxiv.1810.06245,
title = {Bringing back simplicity and lightliness into neural image captioning},
author = {Jean-Benoit Delbrouck and Stéphane Dupont},
journal= {arXiv preprint arXiv:1810.06245},
year = {2018}
}