AIGC動態歡迎閱讀

原標題：將圖像自動文本化，圖像描述質量更高、更準確了
關鍵字：文本,圖像,模型,圖片,細節
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com皮仁杰：香港科技大學博士三年級學生，師從張潼教授和周曉方教授。于 2024 年獲得蘋果獎學金。目前主要研究方向是多模態大語言模型和數據為中心的 AI。
張鑒殊：大學本科三年級學生，目前在張潼教授的指導下擔任研究實習生，主要研究方向是大語言模型，多模態大語言模型以及持續學習。當下在尋找 2025 fall 博士入學機會。
在當今的多模態大模型的發展中，模型的性能和訓練數據的質量關系十分緊密，可以說是 “數據賦予了模型的絕大多數能力”。
在這其中，圖像 – 文本數據集發揮著至關重要的作用，在圖像理解、文本生成和圖像檢索等多個領域發揮著關鍵作用。
然而，現有的圖像描述數據集主要來源于網絡抓取和人工標注，存在著質量參差不齊、細節缺失、描述噪音多等問題。盡管人類可以

原文鏈接：將圖像自動文本化，圖像描述質量更高、更準確了

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺