KTVIC：一个面向生活领域的越南语图像描述数据集
KTVIC: A Vietnamese Image Captioning Dataset on the Life Domain
AI总结：
本文提出了KTVIC，一个包含4,327张图像和21,635条越南语描述的生活领域图像描述数据集，并通过多种深度神经网络基线实验验证了其有效性。
摘要：
图像描述是一项关键任务，在医疗保健和教育等广泛领域中均有应用。尽管针对英语图像描述数据集已有大量研究，但越南语此类数据集的可用性仍然有限，目前仅有两个现有数据集。在本研究中，我们引入了 KTVIC，这是一个专注于生活领域的综合性越南语图像描述数据集，覆盖了广泛的日常活动。该数据集包含 4,327 张图像和 21,635 条越南语描述，为推进越南语图像描述研究提供了宝贵资源。我们使用多种深度神经网络作为基线在该数据集上进行实验，并采用标准图像描述指标（包括 BLEU、METEOR、CIDEr 和 ROUGE）进行评估。我们的研究结果强调了所提出数据集的有效性及其对越南语语境下图像描述领域的潜在贡献。
英文摘要：
Image captioning is a crucial task with applications in a wide range of domains, including healthcare and education. Despite extensive research on English image captioning datasets, the availability of such datasets for Vietnamese remains limited, with only two existing datasets. In this study, we introduce KTVIC, a comprehensive Vietnamese Image Captioning dataset focused on the life domain, covering a wide range of daily activities. This dataset comprises 4,327 images and 21,635 Vietnamese captions, serving as a valuable resource for advancing image captioning in the Vietnamese language. We conduct experiments using various deep neural networks as the baselines on our dataset, evaluating them using the standard image captioning metrics, including BLEU, METEOR, CIDEr, and ROUGE. Our findings underscore the effectiveness of the proposed dataset and its potential contributions to the field of image captioning in the Vietnamese context.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
