揭示语义单元：通过图像字幕实现视觉基础

这项研究探索了一种通过将图像语义与来自字幕的视觉数据联系起来的新方法。这篇论文的贡献可能在于其用于连接字幕和视觉元素以改善语义理解的方法。

• •侧重于视觉基础，将图像字幕与视觉元素联系起来。
• •旨在提高对图像的语义理解。
• •发表在ArXiv上，表明是早期研究。