图像生成文本
教材《人工智能导论》5.3.2 / 内部第1点 · 已审核
通俗解释
作为GAI 的一个重要应用，图像生成文本的目标是让计算机能够理解图像并生成与之匹配的文本描述。 这不仅要识别图像中的物体，更要理解物体之间的空间关系、动作状态及场景氛围，并将它们转换为符合人类语言习惯的语义描述。
例子
上传一张街景图，让模型只描述图中实际可见的物体和关系。
容易混淆
图像说明应区分可见事实与模型推断，不能补写不可见细节。
检查理解
用自己的话解释“图像生成文本”在“图像驱动生成”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：作为GAI 的一个重要应用，图像生成文本的目标是让计算机能够理解图像并生成与之匹配的文本描述。 这不仅要识别图像中的物体，更要理解物体之间的空间关系、动作状态及场景氛围，并将它们转换为符合人类语言习惯的语义描述。 示例：上传一张街景图，让模型只描述图中实际可见的物体和关系。