Index
Image Caption
画像を入力とし、画像を説明するテキストを出力する.
- マルチモーダル #まとめ編
- Vision-Language
- yhayato1320.hatenablog.com
アルゴリズム
BRNN
- Deep Visual-Semantic Alignments for Generating Image Descriptions
- [2014]
- arxiv.org
CPTR / 2021
- CPTR: Full Transformer Network for Image Captioning
- [2021]
- arxiv.org
Re-ViLM
- Re-ViLM: Retrieval-Augmented Visual Language Model for Zero and Few-Shot Image Captioning
- [2023]
- arxiv.org
AEC / Affective Explanation Captioning
実世界の画像に対して、そこから想起される感情と説明文を生成するタスク.
Affection / 2022
- Affection: Learning Affective Explanations for Real-World Visual Data
- [2022]
- arxiv.org
参考
Web サイト
- paperswithcode.com
- paper with code の task のページ
