視覺與語言領域年度進展概述

Image/Video Captioning 1. 起源 計算機視覺已經發展了五十多年。在此期間，視覺理解（visual understanding）這一領域取得了長足的進展。爲了讓機器像人類一樣能夠「看」懂周圍的世界，計算機視覺研究人員設計了大量的人工特徵去描述一件物體，並且提出了各種模型去識別這些人爲設計的特徵。幾年前，當我們談論圖像或視頻理解時，我們能做的只是給一幅圖像或一段視頻自動打上一些

>>阅读原文<<