一种通过双模型互学与语义显著性评估来提升图像描述质量的训练策略。
Zhang, Jing · Kaixuan, Zhang · Yingshuai, Xie · 王喆
IEEE Transactions on Circuits and Systems for Video Technology 2025
两个对等网络通过周期性交替冻结与解冻进行交互学习，避免单一教师模型的偏差被学生模型盲目继承，提升整体训练的稳健性。
利用注意力图引导知识迁移，使模型在互学过程中优先传递与图像语义最相关的特征，减少冗余信息的干扰。
级联桥接扩散模块通过级联扩散机制整合不同层级和注意力范围的视觉特征，能捕获更丰富的图像细节和上下文信息。