Il prossimoProssima guida
Modelli di immagini FLUX
IA visiva
GUIDA AI visiva
Image captioning generates natural-language descriptions from images.
Ascolta questa guidaNarrato dall'IA · ~1 min
A model typically combines a visual representation with a language decoder, and generated captions can omit or invent details.
Early image captioning systems paired convolutional image encoders with recurrent language decoders. Attention-based approaches let the decoder focus on visual regions while generating words. Later work studied hallucinated objects and evaluation metrics such as CIDEr. These descriptions summarize research methods and datasets, not current deployment by accessibility or photo-library products.
An encoder-decoder system maps image features to a sentence one token at a time.
Attention can let a caption decoder weight image regions during word generation.
MS COCO Captions provides images with multiple human-written captions for training and evaluation.
CIDEr compares generated captions with reference captions using consensus-based n-gram similarity.
Evaluate captions for both linguistic quality and visual grounding, including hallucinated or omitted objects. Use reference metrics together with human review and task-specific checks. The cited papers do not establish performance or availability of named commercial captioning tools.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Image captioning generates natural-language descriptions from images. A model typically combines a visual representation with a language decoder, and generated captions can omit or invent details.
La didascalia delle immagini genera una frase di testo che descrive il contenuto di un'immagine.
Il codificatore (spesso una CNN o un trasformatore di visione) trasforma l'immagine in vettori di caratteristiche che poi utilizza il decodificatore del linguaggio.
L'attenzione aiuta il decodificatore a "guardare" le parti più rilevanti dell'immagine durante la generazione di ciascuna parola, migliorando la messa a terra.
MS COCO fornisce immagini ciascuna abbinata a più didascalie scritte da persone, rendendolo un punto di riferimento per i sottotitoli standard.
La generazione autoregressiva produce token uno alla volta, ciascuno condizionato dai token precedenti e dall'immagine.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Modelli di immagini FLUX
IA visiva