KTVIC：一个生活领域的越南语图像描述数据集
计算机视觉与模式识别
2024-01-17 v1 人工智能
摘要
图像描述是一项关键任务，在包括医疗保健和教育在内的广泛领域中具有应用。尽管对英语图像描述数据集进行了广泛研究，但针对越南语的此类数据集仍然有限，目前仅有两个现有数据集。在本研究中，我们介绍了 KTVIC，一个专注于生活领域的综合性越南语图像描述数据集，涵盖了广泛的日常活动。该数据集包含 4,327 张图像和 21,635 条越南语描述，作为推进越南语图像描述的宝贵资源。我们使用各种深度神经网络作为该数据集上的基线进行实验，并使用标准的图像描述评估指标对其进行评估，包括 BLEU、METEOR、CIDEr 和 ROUGE。我们的研究结果强调了所提出数据集的有效性及其对越南语图像描述领域的潜在贡献。
引用
@article{arxiv.2401.08100,
title = {KTVIC: A Vietnamese Image Captioning Dataset on the Life Domain},
author = {Anh-Cuong Pham and Van-Quang Nguyen and Thi-Hong Vuong and Quang-Thuy Ha},
journal= {arXiv preprint arXiv:2401.08100},
year = {2024}
}