基于文本的图像描述生成，通过检索增强与模态差距校正

这项研究探索了仅使用文本训练进行图像描述生成的创新方法，这可能会大大减少对配对图像-文本数据集的依赖。 论文重点关注检索增强和模态差距校正，表明了描述准确性和鲁棒性的潜在改进。

• •研究仅使用文本训练，可能减少对图像数据集的依赖。
• •采用检索增强以提高描述质量。
• •解决了文本和图像表示之间的模态差距。