Без заголовка

У меня обратная задача: нужно не вспомнить что-то по тексту, а надёжней понять что-то по тексктокартинке (где картинки может быть от 0% до 100% по отношению к тексту). Вопрос: как это надёжней понять, что для этого должно быть только в тексте, а что только в картинке?