O que é a legendagem de imagens e quais as métricas que a avaliam (CIDEr)?

A legenda de imagem é uma tarefa de visão computacional e processamento de linguagem natural, que consiste na geração automática de uma descrição (legenda) para uma imagem. O modelo recebe uma imagem como entrada e gera um texto que descreve seu conteúdo.

Para avaliar a qualidade das legendas geradas, são utilizadas várias métricas, uma das quais é o CIDEr (Avaliação de Descrição de Imagem Baseada em Consenso). Ela mede o quão bem a descrição gerada corresponde a um conjunto de descrições de referência, considerando a frequência de palavras e frases, bem como sua importância.

Características do CIDEr:

• Baseado na contagem de n-gramas (geralmente de 1 a 4).
• Usa ponderação TF-IDF para levar em conta a importância das palavras.
• Um valor alto de CIDEr indica que a descrição gerada está bem alinhada com as de referência.

Assim, o CIDEr ajuda a avaliar objetivamente a qualidade dos modelos de legendas de imagem, considerando a diversidade e relevância das descrições.