データ転送による細粒シーングラフ生成【JST・京大機械翻訳】

Zhang Ao; Yao Yuan; Chen Qianyu; Ji Wei; Liu Zhiyuan; Sun Maosong; Chua Tat-Seng

プレプリント

J-GLOBAL ID：202202201370132330 整理番号：22P0308304

データ転送による細粒シーングラフ生成【JST・京大機械翻訳】

Fine-Grained Scene Graph Generation with Data Transfer

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年07月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

シーングラフ生成(SGG)は画像中の(被験者,述語,物体)三重項を抽出するために設計されている。最近の研究はSGGの安定した進歩を遂げ,高レベルビジョンと言語理解のための有用なツールを提供する。しかし,長尾分布および意味曖昧さを含むデータ分布問題のために,現在のSGGモデルの予測は,いくつかの頻繁ではあるが,非情報的述語(例えば,それに関して)に崩壊する傾向があり,それは,下流タスクにおけるこれらのモデルの実際的応用を制限する。上記の問題に対処するため,著者らは,プラグアンドプレイ方式で適用可能な新しい内部および外部データ転送(IETrans)法を提案し,1,807述語クラスで大きなSGGに拡大した。著者らのIETransは,すべての述語に対して,より十分でコヒーレントな注釈を提供する強化データセットを自動的に作成することによって,データ配布問題を緩和することを試みた。強化データセットの訓練により,ニューラルモチフモデルは,競合マイクロ性能を維持しながらマクロ性能を二倍にする。コードとデータはhttps://github.com/waxnkw/IETrans SGG.pytorchで公開されている。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

自然語処理 , 人工知能

, , ,

前のページに戻る