风格化字幕新框架
利用图像-事实-风格三叉数据的核心关系，实现跨模态语义对齐与风格化解码，在风格化图像字幕任务上表现优于现有方法。
Wang, Lanxiao · Qiu, Heqian · Qiu, Benliu · 孟凡满 · 吴庆波 · 李宏亮
IEEE Transactions on Circuits and Systems for Video Technology 2023
通过直接挖掘图像-事实-风格三叉数据中的核心关系，模型能够利用事实语义和图像构建跨模态语义特征空间，从而在生成字幕时兼顾事实准确性和风格一致性。
设计了伪标签过滤器（PLF），通过为传统图像描述数据集中的图像-事实数据构建伪风格化标注，能够大规模扩展图像-事实-风格三叉数据，从而缓解风格化字幕数据收集和标注困难的问题。
伪标签过滤器（PLF）是一个通用算法，可以用于任何现有的风格化字幕模型，无需修改模型结构即可解决数据不足的问题。