Իմիջի նկարագրություն ինչ է և ինչ մեթոդներ են գնահատում այն (CIDEr)?
sobes.tech AI
Պատասխան AI-ից
Նկարագրությունը նկարների մասին՝ դա տեսողական համակարգի և բնական լեզվի մշակման խնդիր է, որը ենթադրում է ավտոմատ կերպով նկարագրության (նկարագրության) ստեղծում։ Մոդելը ստանում է նկարը որպես մուտք և արտադրում է տեքստ, որը նկարագրում է նրա բովանդակությունը։
Նկարագրությունների որակն գնահատելու համար օգտագործվում են տարբեր չափանիշներ, որոնցից մեկը CIDEr-ն է (Consensus-based Image Description Evaluation): Այն չափում է, թե որքան լավ է ստեղծված նկարագրությունը համապատասխանում ռեֆերենցիոն նկարագրությունների հավաքածուին՝ հաշվի առնելով բառերի և արտահայտությունների հաճախականությունը և կարևորությունը։
CIDEr-ի առանձնահատկությունները՝
- Հիմնված է n-գրամների հաշվարկի վրա (հաճախ՝ 1-ից 4):
- Օգտագործում է TF-IDF քաշային մեթոդ՝ բառերի կարևորությունը հաշվի առնելու համար։
- Բարձր CIDEr արժեքը ցույց է տալիս, որ ստեղծված նկարագրությունը լավ համընկնում է ռեֆերենցիոն նկարագրությունների հետ։
Այս կերպ CIDEr-ը օգնում է օբյեկտիվորեն գնահատել նկարագրությունների մոդելների որակը՝ հաշվի առնելով նկարագրությունների բազմազանությունը և համապատասխանությունը։