arXiv cs.CL· Gon\c{c}alo Gomes, Bruno Martins, Chrysoula Zerva·· 10 小时前AI 评分18
BEiTScore++：基于 BEiT-3 与保形分位数回归的无参考图像描述评估
BEiTScore++: Reference-free Image Captioning Evaluation with BEiT-3 and Conformalized Quantile Regression
AI 导读
BEiTScore++ 在 BEiTScore 图像描述评估指标基础上引入不确定性感知扩展，通过建模人类评分的预测分布，在单次前向传播中同时输出对齐分数和经保形校准的置信区间。
正文 · AI 翻译
摘要：可靠的不确定性估计对于在真实场景中部署评估指标至关重要，因为在这些场景中输入歧义和领域偏移都很常见。在本工作中，我们提出了 BEiTScore 图像描述指标的感知不确定性扩展，在生成对齐分数的同时产生经保形校准的置信区间。我们的方法对人类判断的预测分布进行建模，从而在单次前向传播中同时实现准确评分和有原则的不确定性量化。我们在多个带有真人标注评分的基准上评估了 BEiTScore++ 指标，结果表明它保持了 BEiTScore 的排序相关性，同时在大多数基准上产生的区间宽度比 Monte Carlo dropout 更紧密地跟踪预测误差。估计的不确定性在图像退化和域外艺术作品图像上也会增大，使 BEiTScore++ 成为对图像-描述对齐进行感知不确定性评估的实用工具。
| 评论： | 被 EACL 2026 Findings 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.09505 [cs.CV] |
| （或 arXiv:2611.09505v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.09505 arXiv 颁发的 DOI，通过 DataCite（待注册） |
|
| 期刊 参考： | 计算语言学协会 Findings：EACL 2026 |
| 相关 DOI： | https://doi.org/10.18653/2026.findings-emnlp.2160
链接到相关资源的 DOI |
提交历史
来自：Gonçalo Emanuel Cavaco Gomes [查看电子邮件]
[v1]
2026年11月6日星期五 14:23:34 UTC（27,160 KB）
来源：arXiv cs.CL · arxiv.org