A quick glance at an image is suffi

A quick glance at an image is sufficient for a human to point
out and describe an immense amount of details about the visual
scene [8]. However, this remarkable ability has proven
to be an elusive task for our visual recognition models. The
majority of previous work in visual recognition has focused
on labeling images with a fixed set of visual categories, and
great progress has been achieved in these endeavors [38, 6].
However, while closed vocabularies of visual concepts constitute
a convenient modeling assumption, they are vastly
restrictive when compared to the enormous amount of rich
descriptions that a human can compose.

ผลลัพธ์ (ไทย) 1:

ล่ะที่ภาพเพียงพอสำหรับมนุษย์ชี้ออก และอธิบายจำนวนเงินอันยิ่งใหญ่ของรายละเอียดเกี่ยวกับ visualฉาก [8] อย่างไรก็ตาม ได้พิสูจน์ความสามารถที่โดดเด่นนี้เป็น งานเข้าใจยากสำหรับรูปแบบการรับรู้ภาพของเรา ที่มีเน้นส่วนใหญ่ของงานก่อนหน้านี้ในการรู้จำภาพในภาพชุดถาวรประเภทภาพ การติดฉลาก และได้รับความเจริญก้าวหน้าในความพยายามเหล่านี้ [38, 6]อย่างไรก็ตาม ขณะปิด vocabularies ของ visual เป็นแนวคิดอัสสัมชัญจึงสร้างโมเดล พวกเขาเป็นเสมือนเมื่อเทียบกับจำนวนมหาศาลของริชจำกัดคำอธิบายที่มนุษย์สามารถประกอบ

ผลลัพธ์ (ไทย) 2:

อย่างรวดเร็วในภาพเพียงพอสำหรับมนุษย์ที่จะชี้
ออกมาและอธิบายจำนวนมหาศาลของรายละเอียดเกี่ยวกับภาพ
ที่เกิดเหตุ [8] แต่นี้สามารถที่โดดเด่นได้รับการพิสูจน์
จะเป็นงานยากสำหรับรูปแบบการรับรู้ของเราที่มองเห็น
ส่วนใหญ่ของการทำงานก่อนหน้าในการรับรู้ภาพที่ได้ให้ความสำคัญ
กับภาพการติดฉลากกับชุดคงที่ของประเภทเสียงและ
ความก้าวหน้าอย่างมากที่ได้รับการประสบความสำเร็จในความพยายามเหล่านี้ [38, 6].
อย่างไรก็ตามในขณะที่คำศัพท์ปิดของแนวความคิดที่มองเห็นเป็น
สมมติฐานการสร้างแบบจำลองสะดวก พวกเขาเป็นอย่างมากมาย
จำกัด เมื่อเทียบกับจำนวนมหาศาลของที่อุดมไปด้วย
รายละเอียดที่มนุษย์สามารถเขียน

ผลลัพธ์ (ไทย) 3:

อย่างรวดเร็วในรูปมีเพียงพอสำหรับมนุษย์ที่จะชี้และอธิบาย
ออกจำนวนมหาศาลของรายละเอียดเกี่ยวกับภาพ
ฉาก [ 8 ] อย่างไรก็ตาม ความสามารถที่น่าทึ่งนี้ได้พิสูจน์
เป็นงานเปรียวสำหรับรูปแบบการรับรู้ภาพ ของเรา
ส่วนใหญ่ของงานก่อนหน้านี้ในการรับรู้ภาพ มีเน้น
เรื่องฉลากภาพกับการตั้งค่าคงที่ของประเภทภาพและ
ความคืบหน้าที่ดีได้รับการประสบความสำเร็จในความพยายามเหล่านี้ [ 38 ] .
แต่ในขณะที่ปิดคำศัพท์ของ Visual เป็นแนวคิดแบบเดิมสะดวก

ที่เข้มงวด พวกเขาเป็นอย่างมากเมื่อเทียบกับปริมาณมหาศาลของรายละเอียดมากมาย
ว่ามนุษย์สามารถเขียน