Kas ir attēla apraksts un kādas metriki to novērtē (CIDEr)?

Attēla apraksts ir uzdevums datorredzes un dabiskās valodas apstrādes jomā, kas ietver automātisku apraksta (uzraksta) ģenerēšanu attēlam. Modelis saņem attēlu kā ievadi un ģenerē tekstu, kas raksturo tā saturu.

Lai novērtētu ģenerēto aprakstu kvalitāti, tiek izmantotas dažādas metriku, viena no tām ir CIDEr (Consensus-based Image Description Evaluation). Tā mēra, cik labi ģenerētais apraksts atbilst referenšu aprakstu kopumam, ņemot vērā vārdu un frāžu biežumu un to nozīmīgumu.

CIDEr īpašības:

• Balstīta uz n-gramu skaitīšanu (parasti no 1 līdz 4).
• Izmanto TF-IDF svaru, lai ņemtu vērā vārdu nozīmīgumu.
• Augsts CIDEr vērtējums norāda, ka ģenerētais apraksts ir labi saskaņots ar referenču aprakstiem.

Tādējādi CIDEr palīdz objektīvi novērtēt attēla apraksta modeļu kvalitāti, ņemot vērā aprakstu daudzveidību un relevanci.