Referring Expression Generation

Referring expression generation是在计算机视觉领域中的一项重要子任务，旨在生成能够唯一标识图像中特定对象的自然语言表达。该任务的目标是通过结合视觉信息和语言知识，生成准确且具有区分性的描述，以实现人机交互中的对象指代。其应用价值广泛，包括增强现实、图像标注、机器人导航等场景，有效提升系统的交互性和用户体验。