与えられた画像キャプションに対し、キャプションをより正確なキャプションに変換することを目的とする。既存研究では、その変換の過程がわからなかった。本研究では、元のキャプションに対し「1.削除する単語の決定、2.単語を追加する位置の決定、3. 2.の位置に埋める単語の決定」の3つの段階でキャプションを編集することによって、その過程を明確にしている。