Cos'è la didascalia delle immagini e quali metriche la valutano (CIDEr)?

La didascalia delle immagini è un compito di visione artificiale e elaborazione del linguaggio naturale, che consiste nella generazione automatica di una descrizione (didascalia) di un'immagine. Il modello riceve in input un'immagine e produce un testo che ne descrive il contenuto.

Per valutare la qualità delle didascalie generate, vengono utilizzate diverse metriche, una delle quali è CIDEr (Consensus-based Image Description Evaluation). Essa misura quanto la descrizione generata corrisponde a un insieme di descrizioni di riferimento, considerando la frequenza di parole e frasi, nonché la loro importanza.

Caratteristiche di CIDEr:

• Basata sul conteggio di n-grammi (solitamente da 1 a 4).
• Utilizza ponderazione TF-IDF per considerare l'importanza delle parole.
• Un valore elevato di CIDEr indica che la descrizione generata è ben allineata con le descrizioni di riferimento.

In questo modo, CIDEr aiuta a valutare oggettivamente la qualità dei modelli di descrizione delle immagini, considerando la diversità e la rilevanza delle descrizioni.