https://blog.qife122.com/tags/%E5%A4%9A%E8%AF%AD%E8%A8%80%E5%9B%BE%E5%83%8F%E6%8F%8F%E8%BF%B0/ Recent content in 多语言图像描述 on 办公AI智能小助手 Hugo zh-cn qife Sun, 14 Sep 2025 22:39:12 +0800 https://blog.qife122.com/p/%E5%A4%9A%E8%AF%AD%E8%A8%80%E5%9B%BE%E5%83%8F%E6%8F%8F%E8%BF%B0%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4%E6%A6%82%E5%BF%B5%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E6%96%B9%E6%B3%95/ Sun, 14 Sep 2025 22:39:12 +0800 https://blog.qife122.com/p/%E5%A4%9A%E8%AF%AD%E8%A8%80%E5%9B%BE%E5%83%8F%E6%8F%8F%E8%BF%B0%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4%E6%A6%82%E5%BF%B5%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E6%96%B9%E6%B3%95/ <h1 id="concap通过概念检索增强描述突破英语局限">CONCAP：通过概念检索增强描述突破英语局限</h1> <p>多语言视觉语言模型在图像描述领域已取得显著进展，但仍落后于英语模型，原因在于多语言训练数据有限且大规模模型参数化成本高昂。检索增强生成（RAG）提供了一种有前景的替代方案，通过在目标语言中检索示例来条件化描述生成，减少了对大量多语言训练的需求。然而，多语言RAG描述模型通常依赖于从英语翻译而来的检索描述，这可能引入与源语言不匹配和语言偏见。</p>