WEKO3
アイテム
ViTエンコーダを活用した画像キャプション生成モデルの構築と評価
https://ipsj.ixsq.nii.ac.jp/records/236163
https://ipsj.ixsq.nii.ac.jp/records/236163e2880687-ace4-4a94-92b8-0d10d7fb01fc
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z86-7T-05.pdf (1.1 MB)
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-03-01 | |||||||||
| タイトル | ||||||||||
| タイトル | ViTエンコーダを活用した画像キャプション生成モデルの構築と評価 | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 人工知能と認知科学 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||
| 資源タイプ | conference paper | |||||||||
| 著者所属 | ||||||||||
| 愛媛大 | ||||||||||
| 著者所属 | ||||||||||
| 愛媛大 | ||||||||||
| 著者名 |
岡本, 翔汰
× 岡本, 翔汰
× 黒田, 久泰
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 画像キャプション生成は，画像を入力すると画像の内容を説明する文章（キャプション）を生成する処理である．この研究では，Transformerアーキテクチャを持つ事前学習済みのVision Transformer（ViT）を画像キャプション生成のためのエンコーダに採用した．ViTは，画像を細かく分割し，その特徴をTransformerによって抽出する特異的なアプローチを提供している．CNNを用いた画像キャプション生成モデルとViTエンコーダを導入したモデルを比較し，その性能を評価した． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN00349328 | |||||||||
| 書誌情報 |
第86回全国大会講演論文集 巻 2024, 号 1, p. 651-652, 発行日 2024-03-01 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
