用于图像字幕生成的交互式机器学习
计算机视觉与模式识别
2022-03-01 v1 计算与语言
摘要
我们提出一种用于图像字幕生成模型的交互式学习方法。由于人类反馈成本高昂，且现代基于神经网络的方案通常需大量监督数据训练，我们设想一种系统，通过数据增强方法成倍利用反馈，并以巧妙方式将所得训练样本整合进模型，从而尽可能好地利用人类反馈。该方法有三个关键组件，我们需要为其找到合适的实际实现：反馈收集、数据增强和模型更新。我们概述了思路并回顾了应对这些任务的不同可能方案。
引用
@article{arxiv.2202.13623,
title = {Interactive Machine Learning for Image Captioning},
author = {Mareike Hartmann and Aliki Anagnostopoulou and Daniel Sonntag},
journal= {arXiv preprint arXiv:2202.13623},
year = {2022}
}