Resumen

En los últimos años, con el rápido desarrollo de la inteligencia artificial, la subtitulación de imágenes ha atraído gradualmente la atención de muchos investigadores en el campo de la inteligencia artificial y se ha convertido en una tarea interesante y ardua. El subtitulado de imágenes, que genera automáticamente descripciones en lenguaje natural según el contenido observado en una imagen, es una parte importante de la comprensión de escenas, que combina los conocimientos de la visión por ordenador y el procesamiento del lenguaje natural. La aplicación de la subtitulación de imágenes es amplia y significativa, por ejemplo, la realización de la interacción persona-ordenador. Este artículo resume los métodos relacionados y se centra en el mecanismo de atención, que desempeña un papel importante en la visión por ordenador y que recientemente se utiliza ampliamente en las tareas de generación de pies de foto. Además, se discuten las ventajas y las deficiencias de estos métodos, proporcionando los conjuntos de datos comúnmente utilizados y los criterios de evaluación en este campo. Por último, este artículo destaca algunos retos abiertos en la tarea de subtitulación de imágenes.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:pie de foto, visión por ordenador, inteligencia artificial, tarea de pie de foto, aplicación de la imagen, descripción en lenguaje natural, conocimiento del ordenador, parte de la escena, procesamiento del lenguaje natural, tarea de generación de pies de foto
• Keywords:image caption, computer vision, artificial intelligence, image caption task, application of image, natural language description, knowledge of computer, part of scene, natural language processing, caption generation task