Génération d'expression de référence

La génération d'expressions de référence désigne le processus consistant à générer automatiquement des expressions en langage naturel qui décrivent des régions ou des objets spécifiques au sein d'une image dans les tâches de vision par ordinateur. L'objectif est de combiner les informations visuelles et les modèles linguistiques pour produire des expressions de référence précises et distinctives, permettant une localisation et une description exactes du contenu de l'image. Cette technologie présente une valeur d'application considérable dans l'interaction homme-machine, l'annotation d'images et la recherche d'informations multimodales.