CIDEr (Evaluación de Descripciones de Imágenes basada en el Consenso)
CIDEr stands for Consensus-based Imagen Description Evaluación. It is a metric specifically designed to assess the quality of captions generated by visión por computadora models for images. Unlike traditional metrics that may focus solely on exact word matches, CIDEr evaluates how well the generated captions align with human-written reference captions in terms of semantic content.
La métrica CIDEr funciona midiendo el consenso entre las leyendas generadas y un conjunto de leyendas de referencia. Lo hace calculando la similitud de n-gramas (secuencias contiguas de n elementos de una muestra de texto dada) entre la leyenda generada y las leyendas de referencia. Los n-gramas se ponderan en función de su frecuencia en el conjunto de leyendas de referencia, lo que significa que las frases más comunes contribuyen más a la puntuación.
CIDEr es particularmente útil en tareas como descripción de imágenes because it accounts for variations in phrasing and expresses the degree to which the generated captions convey similar information to what human annotators would provide. A higher CIDEr score indicates a better alignment with human judgment, making it a popular choice for evaluating machine-generated text in visual tasks.
En general, CIDEr es una herramienta crítica en el campo de procesamiento de lenguaje natural and computer vision, helping researchers and developers improve their models by providing a more nuanced understanding of caption quality.