翻譯于經典圖像理解綜述文章?！睆膱D像生成自然語言描述是計算機視覺，自然語言處理和人工智能（AI）交叉處的一個新興的跨學科問題。 這項任務通常被稱為圖像或視覺字幕/描述(captioning)，它構成了許多重要應用的技術基礎，如語義視覺搜索，聊天機器人的視覺智能，社交媒體中的照片和視頻分享以及幫助視障人士感知周圍環(huán)境視覺內容。由于最近深度學習的發(fā)展，人工智能研究界近年來在可視字幕方面取得了巨大的進步?！?