图像驱动生成
教材《人工智能导论》5.3.2 · 已审核
通俗解释
图像可以作为描述、编辑或视频生成的条件。模型需识别视觉内容并把它与文字或目标模态对齐，输出可能受遮挡和歧义影响。
例子
给街景图片自动生成说明时，画面只显示一辆车，模型却写出司机的职业。
容易混淆
图像描述是模型推断，不一定等同于对真实场景的完整观察。
检查理解
给图像自动写说明时，哪些细节应避免无依据补写？
查看参考答案
应只陈述图中可观察的对象、动作和关系；身份、意图、原因等不可见细节要避免无依据补写。
教材《人工智能导论》5.3.2 · 已审核
图像可以作为描述、编辑或视频生成的条件。模型需识别视觉内容并把它与文字或目标模态对齐，输出可能受遮挡和歧义影响。
给街景图片自动生成说明时，画面只显示一辆车，模型却写出司机的职业。
图像描述是模型推断，不一定等同于对真实场景的完整观察。
给图像自动写说明时，哪些细节应避免无依据补写？
应只陈述图中可观察的对象、动作和关系；身份、意图、原因等不可见细节要避免无依据补写。