.png){kind=icon}
返回
Text-only synthesis for zero-shot visual captioning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114985.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• ToCa生成大规模图像标注模型训练数据所需的成本更少。
• ToCa是一种灵活且高效的文本合成算法。
• ToCa通过解决三个应用挑战，展示了其出色的合成能力。
Keyword:
Zero-shot
Visual captioning
Vision–language modeling
