Šta je opis slike i koje metrike ga procjenjuju (CIDEr)?

Opis slike je zadatak u oblasti računarskog vida i obrade prirodnog jezika, koji podrazumeva automatsko generisanje opisa (natpisa) slike. Model prima ulaznu sliku i generiše tekst koji opisuje njen sadržaj.

Za procenu kvaliteta generisanih opisa koriste se različite metrike, od kojih je jedna CIDEr (Consensus-based Image Description Evaluation). Ona meri koliko se generisani opis poklapa sa skupom referentnih opisa, uzimajući u obzir učestalost reči i fraza, kao i njihovu važnost.

Karakteristike CIDEr:

• Osnovana je na prebrojavanju n-grama (obično od 1 do 4).
• Koristi TF-IDF ponderisanje za uzimanje u obzir važnosti reči.
• Visoka vrednost CIDEr ukazuje na to da je generisani opis dobar u skladu sa referentnim opisima.

Na ovaj način, CIDEr pomaže objektivno da se proceni kvalitet modela za opisivanje slika, uzimajući u obzir raznovrsnost i relevantnost opisa.