卷积图像描述生成
计算机视觉与模式识别
2017-11-28 v1
摘要
图像描述生成是一项重要但具挑战性的任务，可应用于虚拟助手、编辑工具、图像索引以及残障辅助。其挑战源于可能图像描述的多样性和歧义性。近年来，借助由长短期记忆（LSTM）单元驱动循环神经网络，图像描述生成取得了显著进展。尽管 LSTM 单元缓解了梯度消失问题，且具备记忆依赖关系的突出能力，但其结构复杂且本质上跨时间顺序执行。为解决此问题，近期工作展示了卷积网络在机器翻译与条件图像生成中的益处。受其成功启发，本文我们提出了一种卷积图像描述生成技术。我们在具挑战性的 MSCOCO 数据集上展示了其效力，并表现出与基线相当的性能，同时按参数量计的训练时间更快。我们还进行了详细分析，给出了支持卷积语言生成方法的充分理由。
引用
@article{arxiv.1711.09151,
title = {Convolutional Image Captioning},
author = {Jyoti Aneja and Aditya Deshpande and Alexander Schwing},
journal= {arXiv preprint arXiv:1711.09151},
year = {2017}
}
备注
11 pages, 9 Figures