GAVAGAI以平衡最优传输显式匹配内容词与图像区域，强化词物指代。
推荐理由：它把词与区域的对应关系设为可优化的分配变量，弥补下一词预测缺乏直接指代压力的结构缺陷，为低数据视觉语言学习提供新路径。
阅读原文