GAN（Generative Adversarial Networks，生成对抗网络） 是一种创新的深度学习框架，其核心思想是通过两个神经网络的对抗性训练，生成高质量、与真实数据相似的新数据。 这一系统由生成器（Generator）和判别（Discriminator）两大核心组件构成，二者在博弈中共同进化，最终实现生成逼真数据的目标。功能：接收随机噪声向量作为输入，通过多层神经网络架构将其转换为与

K均值（K-Means）是一种经典的无监督学习聚类算法，其核心思想是通过迭代将数据划分为 K个簇，使得同一簇内的数据点尽可能相似，不同簇的数据点尽可能不同。它的本质是最小化簇内平方误差（Within-Cluster Sum of Squares, WCSS），即所有数据点到其所属簇中心的距离平方和。WCSSi1∑k​x∈Ci​∑​∣∣x−μi​∣∣2其中,Ci​是第i个簇，μi​是第i个簇的中心（

支持向量机（Support Vector Machine, SVM）是一种经典的，主要用于。其核心思想是找到一个最优超平面，使得不同类别的数据点之间的间隔（Margin）最大化，从而提高模型的泛化能力。

神经网络，是一种模仿生物神经网络结构和功能的计算模型，广泛应用于机器学习和人工智能领域。它们通过模拟大脑中神经元的连接方式，能够学习和识别复杂的模式和数据。

GAN（Generative Adversarial Networks，生成对抗网络） 是一种创新的深度学习框架，其核心思想是通过两个神经网络的对抗性训练，生成高质量、与真实数据相似的新数据。 这一系统由生成器（Generator）和判别（Discriminator）两大核心组件构成，二者在博弈中共同进化，最终实现生成逼真数据的目标。功能：接收随机噪声向量作为输入，通过多层神经网络架构将其转换为与

神经网络，是一种模仿生物神经网络结构和功能的计算模型，广泛应用于机器学习和人工智能领域。它们通过模拟大脑中神经元的连接方式，能够学习和识别复杂的模式和数据。

神经网络，是一种模仿生物神经网络结构和功能的计算模型，广泛应用于机器学习和人工智能领域。它们通过模拟大脑中神经元的连接方式，能够学习和识别复杂的模式和数据。

随着丰富的视觉表示和预训练语言模型的出现，视频字幕生成技术不断取得进步。尽管性能有所提升，但视频字幕模型仍易产生幻觉（hallucination），即生成与源材料脱节的高度病态描述。在视频字幕中，幻觉有两种类型：对象幻觉和动作幻觉。视频字幕的标准评估指标衡量的是与真实字幕的相似性，并不能充分捕捉对象和动作的相关性。为此，提出了一种新的指标，用于评估幻觉程度。