不同语言的图像描述生成
计算与语言
2025-04-04 v3 计算机视觉与模式识别
摘要
本短篇立场论文提供了一个手动精选的非英语图像描述数据集列表（截至2024年5月）。通过该列表，我们可以观察到不同语言中数据集的匮乏情况：仅有23种不同语言被表示。尽管加入了Crossmodal-3600数据集（Thapliyal 等，2022，覆盖36种语言），这一数字有所增加，但仍然远小于全球约500种官方语言的数量。这篇论文以Vision & Language领域的若干开放问题作结。
引用
@article{arxiv.2407.09495,
title = {Image captioning in different languages},
author = {Emiel van Miltenburg},
journal= {arXiv preprint arXiv:2407.09495},
year = {2025}
}