基于离散扩散与多模态大语言模型的图像描述生成方法研究.pdf

基于离散扩散与多模态大语言模型的图像描述生成方法研究.pdf

  1. 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
  2. 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  3. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

近年来,非自回归图像描述生成因其双向信息传递和并行生成单词的能力,

成为了研究的热点之一。其中,离散扩散模型受到了广泛的关注。然而,在离散

噪声添加和去除过程中,现有的方法常常面临诸多挑战,例如图像与文本的相关

性较低、图像中的对象缺失、生成描述不准确以及单词重复等问题。这些不足影

响了生成结果的质量和一致性。同时,随着多模态大语言模型的发展,图像描述

生成任务取得了较大的突破。这些模型不再局限于生成简短的单句描述,而是能

够生成更为详细和复杂的长文本图像描述。然而,尽管多模态大语言模型在生成

文档评论(0)

136****6583 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档