文献

J-GLOBAL ID：202002279868312600   整理番号：20A2274355

視覚的対話による参照表現生成【JST・京大機械翻訳】

Referring Expression Generation via Visual Dialogue

著者 (6件)： Li Lingxuan (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhao Yihong (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Zhaorui (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China) ,  Niu Tianrui (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China) ,  Feng Fangxiang (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China) ,  Wang Xiaojie (School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12431  ページ： 28-40  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 表現生成(REG)は,画像のような文脈における参照オブジェクトに対する明白な記述を生成することである。人々は,オリジナルな基本的な名詞を拡張するために,しばしばインストール対話法を使用するが,オブジェクトに対する最終参照を形成する。ほとんどの既存のREGモデルは,相互作用過程から利益を得ることができない「ワンショット」方法で,参照表現(RE)を生成する。本論文では,対話に基づいてREGをモデリングすることを提案する。これを達成するために,まず,RE指向視覚対話(VD)タスクReferWhat Tukeyを導入し,次に,既存のREデータセットRefCOCOとRefCOCO+をそれぞれ用いて,このタスクのために2つの大規模データセットRefCOCOVDとRefCOCO+VDを構築した。最後に,VDベースのREGモデルを提案した。実験結果は,著者らのモデルがすべての既存の「ワンショット」REGモデルより優れていることを示した。また,著者らのアブレーション研究は,対話エージェントとしてのREGのモデリングが,「ワンショット」モデルで利用できないより良い性能を達成するために,対話からの応答における情報を利用することができることを示した。ソースコードとデータセットはすぐに見られる。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  相互作用 ,  アブレーション ,  会話 ,  名詞
準シソーラス用語： ソースコード ,  対話エージェント ,  大規模データセット , 【Automatic Indexing@JST】

著者キーワード (2件)： 参照表現生成 ,  視覚対話

分類 (5件)： 第6族,第7族元素の錯体  (CE01080F) ,  自然語処理  (JE06000L) ,  分子の立体配置・配座  (BH05022J) ,  テレビジョン一般  (ND12031N) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 視覚 ,  対話 ,  参照 ,  表現