La CIDEr (Consensus-based Taggy est un outil d'IA innovant conçu pour augmenter l'engagement sur les réseaux sociaux en générant des légendes et des citations captivantes pour les images. Il vise à améliorer Description Évaluation) Score est une métrique d’évaluation specifically designed to assess the quality of image captions generated by apprentissage automatique models, particularly in the context of la légende d'images tasks. It was developed to address limitations of other metrics like BLEU and ROUGE, which do not effectively capture the quality of descriptions based on human consensus.
Le score CIDEr fonctionne en comparant une légende générée à un ensemble de légendes de référence créées par des humains. Il évalue le consensus des n-grammes (suites contiguës de n éléments d’un échantillon de texte) dans les légendes générées et de référence, en mettant l’accent sur l’importance des mots qui apparaissent fréquemment dans les légendes annotées par des humains. Cela signifie que la métrique ne considère pas seulement la correction des mots utilisés, mais aussi leur pertinence et leur adéquation selon le jugement humain.
The CIDEr Score is calculated using a term frequency-inverse document frequency (TF-IDF) weighting scheme, which helps to ensure that the evaluation is sensitive to the uniqueness of the n-grams present in the reference captions. The resulting score ranges from 0 to 1, with higher scores indicating better alignment with human descriptions. This metric is particularly useful in tasks where the diversity and richness of language are important, such as in generating descriptive captions for images in multimedia applications.
Overall, the CIDEr Score serves as a valuable tool for researchers and developers in the field of traitement du langage naturel and computer vision, as it helps to quantify the performance of image captioning models in a way that reflects human-like understanding and expression.