基于CLIP语义特征增强的图像描述
Enhanced clip semantic features for image captioning
1. 云南大学 信息学院, 昆明 650500
2. 云南省高校物联网技术及应用重点实验室, 昆明 650500
3. 云南大学 现代工学院, 昆明 650500
4. 云南省微光夜视探测及智能视觉导航重点实验室, 昆明 650500
摘要
基于检索的图像描述能够利用丰富的外部先验文本知识，但现有研究仅将检索到的文本用作文本提示，视觉信息则完全依赖于CLIP视觉嵌入。这种方法的局限性在于，模型使用的文本提示信息未能充分表示到视觉嵌入空间。针对该问题，本研究提出了ECSFCap模型，该模型在编码阶段增强CLIP语义特征，进而指导语言模型在解码阶段生成高质量文本的图像描述。首先，将构建的文本信息和输入图像映射到CLIP空间，并变换到多元高斯分布，利用重参数采样法对两个多元高斯分布进行采样。随后，将采样结果、检索文本和视觉嵌入共同输入交叉编码器进行计算，这能有效融合不同模态的语义优势，从而得到增强的CLIP语义嵌入。大量实验表明，语义增强模块可以有效提升模型性能，模型仅需训练2.1h即可获得122.9%的CIDEr评分和22.5%的SPICE评分，这是同等评价指标级别下训练时间最短的模型，展现了模型低训练成本的优势。
基金项目
国家自然科学基金资助项目(52102382)
云南省基础研究计划面上项目(202501AT070234,202401CF070164)
云南省教育厅科学研究基金资助项目(2025Y0008)
云南大学研究生科学基金资助项目(KC-24249132)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.08.0270
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第3期
发布历史
[2025-11-18] 优先出版
引用本文
谷金晶, 覃天宝, 普园媛, 等. 基于CLIP语义特征增强的图像描述 [J]. 计算机应用研究, 2026, 43 (3). (2025-11-18). https://doi.org/10.19734/j.issn.1001-3695.2025.08.0270. (Gu Jinjing, Qin Tianbao, Pu Yuanyuan, et al. Enhanced clip semantic features for image captioning [J]. Application Research of Computers, 2026, 43 (3). (2025-11-18). https://doi.org/10.19734/j.issn.1001-3695.2025.08.0270. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
