QR код

Retrieval-Guided and Semantically Grounded Image Captioning for Open-Domain Scenes

Recent image captioning methods based on pre-trained vision–language models can generate fluent and coherent descriptions, yet they still struggle in open-domain scenes that contain long-tail concepts, uncommon object combinations, and ambiguous visual evidence. Two limitations are especially import...

Повний опис

Збережено в:
Бібліографічні деталі
Автори: Shanshan Lin, Xiaoxuan Xie, Zexian Yang, Chao Chen
Формат: Artigo
Мова:Inglês
Опубліковано: MDPI AG 2026-05-01
Серія:Mathematics
Предмети:
Онлайн доступ:https://www.mdpi.com/2227-7390/14/10/1667
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!