Dual-CNN: 단일 문단 이미지 설명을 위한 컨볼루션 언어 디코더

요약단락 이미지 캡션 생성의 과제는 주어진 이미지를 설명하는 일관성 있는 단락을 생성하는 것이다. 그러나 순환 신경망 또는 장단기 기억망 기반의 디코더는 장기적 의존성을 효과적으로 포착할 수 있는 능력이 제한적이어서, 긴 단락 형식의 만족스러운 텍스트 설명을 생성하기 어렵다. 또한 순차적 디코더에서의 학습 효율성 저하 문제가 두드러지게 나타난다. 이에 힘입어 컨볼루셔널 신경망(CNN)의 장점을 활용하고자 본 논문에서는 장기 기억 능력과 병렬 계산을 갖춘 이중 CNN 디코더를 제안한다. 이 모델은 이미지에 대해 의미적으로 일관성 있는 단락을 생성할 수 있다. 제안된 이중 CNN 모델은 스탠포드 이미지-단락 데이터셋에서 평가되었으며, 광범위한 실험을 통해 최신 기술 대비 비교 가능한 성능을 달성함을 입증하였다. 더불어 생성된 단락의 다양성과 일관성에 대한 분석을 통해 본 방법의 우수성을 보여주었다.