밑에 보면 좌->우 순으로 \'오류 없이 묘사/자잘한 오류가 섞인 묘사/이미지와 일부 관련됨/이미지와 관계 없음\' 이렇게 4개 군으로 묶어놓았어요. 그래서 맨 왼쪽 3개 이미지는 정확하게 들어맞고 오른쪽으로 갈 수록 정확도가 떨어지고... 분류 상 거의 다 정확도가 떨어질 수 밖에 없죠 흐흐

kpark님께서 설명해주시기도 했지만, 사진과 관련 없는 내용을 생성하는 경우도 있다는 것을 보이기 위한 Figure라서 그렇습니다.

일단 논문에서는 BLEU라는 방법으로 캡션의 품질을 측정하고 있는데 이 점수가 상당히 높으니 대부분의 사진에 대해서는 올바른 결과를 생성한다고 봐야지요.
그리고 비록 내용과 설명이 다를지언정 완전하고 문제 없는 영어 문장을 생성한다는 점에 주목해야 하고요.