Image Captioning

Bildunterschriftenerstellung zielt darauf ab, den Inhalt von Eingabebildern mit Hilfe von Techniken zur natürlichen Sprachgenerierung präzise zu beschreiben. Diese Aufgabe integriert Technologien aus den Bereichen Computer Vision und Natural Language Processing und verwendet in der Regel ein Encoder-Decoder-Framework, um Bildinformationen in Zwischendarstellungen zu transformieren, die anschließend in beschreibende Texte decodiert werden. Die wichtigsten Bewertungsmetriken sind BLEU und CIDER, während gängige Datensätze für diesen Zweck nocaps und COCO sind. Bildunterschriftenerstellung hat erhebliche Anwendungswerte in Bereichen wie der Unterstützung von sehbehinderten Menschen bei der Bildverstehensförderung, automatisiertem Content-Tagging und intelligenter Bildsuche.