arXiv · AI· Riad Ahmed Anonto, Sardar Md. Saffat Zabin, M. Saifur Rahman·· 2026-10-15AI 评分21
针对孟加拉语字幕生成的交叉注意力引导补丁对齐方法
Align Where the Words Look: Cross-Attention-Guided Patch Alignment with Contrastive and Transport Regularization for Bengali Captioning
AI 导读
提出基于交叉注意力引导的补丁对齐方法,利用三重损失目标(PAL、InfoNCE 和 OT)显著提升孟加拉语字幕生成性能。在 Flickr30k-1k 数据集上取得 BLEU-4 12.29 和 METEOR 27.98 的高分。该方法缩小了真实与合成数据的分布差距达 41%,被 PRICAI 2026 接收。
来源:arXiv · AI · arxiv.org