摘 要：基于Transformer架构的图像描述生成方法通常学习从图像空间到文本空间的确定性映射，以提高预测“平均”描述语句的性能，从而导致模型倾向于生成常见的单词和重复的短语，即所谓的模式坍塌问题。为此，将条件（试读）...
登录
