抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
既存の画像キャプテーションモデルは,通常,クロスエントロピー(XE)損失と強化学習(RL)によって訓練され,それは,ハードターゲットとしてグランドトルース単語をセットし,それらのから学習するキャプテーションモデルを力づける。しかし,広く採用されている訓練戦略は,XE訓練における不整合とRL訓練における不適切な報酬割当てに悩まされている。これらの問題に取り組むために,著者らは,ソフトターゲットとしていくつかのより容易な単語提案を生成することによって,地盤-トラスキャプションとキャプションモデルの間のブリッジとして機能する教師モデルを導入した。ベースラインキャプションモデルに地上-トラス画像属性を組み込むことによって,教師モデルを構築した。教師モデルから効果的に学習するために,著者らは,キャプションモデルのためのより良い学習プロセスを容易にするために,XEとRL訓練の両方のための教師-批評訓練戦略(TCTS)を提案した。ベンチマークMSCOCOデータセットに関するいくつかの広く採用されているキャプションモデルの実験的な評価は,提案したTCTSが,両方の訓練段階で,特にBleuとRouge-Lスコアを,最も評価メトリックスを総合的に強化することを示した。TCTSは,MSCOCO Karpathy試験スプリットで,40.2%と59.4%の最良の公表単一モデルBleu-4とRouge-L性能を達成することができる。著者らのコードと事前訓練モデルはオープンソースである。【JST・京大機械翻訳】