计算机视觉和自然语言处理领域相关技术的迅猛发展,极大地推动了它们交叉任务的衍生和研究。图像差异描述作为图像描述的子任务,受到业界的广泛关注,具有极大的研究价值,其旨在从相似的图像对中定位差异目标,并用自然语言将其中的差异描述出来。这个任务的主要挑战是充分地理解图像对中的内容,以及在图像对中存在视角偏差的情况下,精准地定位其中的差异目标,以生成全面且精确的差异描述。现存的工作聚焦于提取像素级别的图像特征,却忽略了对其中丰富的目标显式特征的挖掘,而这些特征将促进模型生成细粒度的差异描述。另外,现有的生成模型往往受到图像对中视角偏差的影响,难以准确地定位其中的差异。为了解决上述问题,本文提出一个实例级别细粒度的差异描述模型,该模型共有四个模块,它们分别是细粒度特征提取模块、多轮特征融合模块、基于相似度的差异查找模块、以及差异描述模块。首先,为了全面地描述图像对中的差异目标,本文设计了一个细粒度特征提取模块,提取图像中各个目标的细粒度特征,即目标实例级别的视觉特征、语义特征、以及位置特征,并将这些特征作为目标的特征表示。然后,本文设计了一个多轮特征融合模块,将这些目标的多模态特征充分地融合在一起。其次,为了增强模型对图像对中视角偏差的免疫能力,本文设计了一个基于相似度的差异查找模块,在定位差异目标的过程中着重关注目标本身,而不是其中的视角偏差,进而准确地定位图像对中的差异目标。最后,本文使用差异描述模块,用以生成给定图像对的差异描述。本文开展了大量的对比实验、消融实验、可视化分析、以及案例分析。结果表明,与最先进的模型相比,本文所提出的模型在CLEVR-Change数据集和Spot-the-Diff数据集上都达到了不相上下的效果。这进一步证明了采用实例级别细粒度的特征提取办法表示图像对中的各个目标,可以有效地促使模型生成更加全面的图像差异描述。同时,对图像中目标的细粒度特征进行多轮融合有助于充分地融合这些不同模态的特征。另外,采用基于相似度的差异查找方法定位图像对中的差异目标,可以在一定程度上缓解图像对中视角偏差的干扰,进而促使模型精准地定位差异目标。这些发现将为图像差异描述任务提供实例级别的解决思路,进一步推动这项任务的发展。