《关于静态图像生成句子描述的问题.docVIP

关于静态图像生成句子描述的问题 进入Computer Vision领域以来，很久之前就有个想法，能否给计算机一幅照片，计算机能够自动的描述图像中的内容，甚至图像中的人物以及正在发生的事情。就像是咱们小时候的看图作文似的。 但是现在已经有文章开始做相关工作了，下面分别描述一下。 第一篇是CMU的小牛Abhinav Gupta同学的CVPR2009的Oral，其实做的视频里的东西。 Understanding Videos, Constructing Plots – Learning a Visually Grounded Storyline Model from Annotated Videos Abhinav Gupta, Praveen Srinivasan, Jianbo Shi and Larry S. DavisIn CVPR 2009 (Oral) (PPT) 这篇文章是通过AND-OR的图模型来叙述视频里面正在发生的运动的各个动作，包括击球、接球、扔球等。因为视频里面含有更多的信息，所以做起来也相对容易一下。 ————– 第二篇是UIUC的Ali Farhadi写的，发在ECCV2010的poster。 Every Picture Tells a Story: Generating Sentences for ImagesAli Farhadi, Mohsen He