图像字幕生成

图像描述任务（Image Captioning）旨在通过自然语言生成技术对输入图像的内容进行准确的文字描述。该任务结合了计算机视觉与自然语言处理领域的技术，通常采用编码器-解码器框架，将图像信息转化为中间表示，再解码生成描述性文本。主要评估指标包括BLEU和CIDER，常用数据集有nocaps和COCO。图像描述在辅助视觉障碍者理解图像、自动化内容标注及智能图像搜索等领域具有重要应用价值。