Čo je to popis obrázka a aké metriky ho hodnotia (CIDEr)?

Popis obrázka je úloha v oblasti počítačového videnia a spracovania prirodzeného jazyka, ktorá spočíva v automatickom generovaní popisu (popisku) obrázka. Model prijíma obrázok ako vstup a produkuje text, ktorý popisuje jeho obsah.

Na hodnotenie kvality generovaných popisov sa používajú rôzne metriky, jednou z nich je CIDEr (Consensus-based Image Description Evaluation). Meria, do akej miery sa generovaný popis zhoduje s množstvom referenčných popisov, pričom zohľadňuje frekvenciu slov a fráz a ich význam.

Vlastnosti CIDEr:

• Je založené na počítaní n-gramov (zvyčajne od 1 do 4).
• Používa váženie TF-IDF na zohľadnenie dôležitosti slov.
• Vyššia hodnota CIDEr znamená, že generovaný popis je dobre zosúladený s referenčnými popismi.

Týmto spôsobom CIDEr pomáha objektívne hodnotiť kvalitu modelov popisu obrázkov, pričom zohľadňuje rozmanitosť a relevantnosť popisov.