検索者:トークンレベル二分グラフとしてのコンテンツスタイル表現の学習【JST・京大機械翻訳】

Yin Dacheng; Ren Xuanchi; Luo Chong; Wang Yuwang; Xiong Zhiwei; Zeng Wenjun

プレプリント

J-GLOBAL ID：202202215924497298 整理番号：22P0294919

検索者:トークンレベル二分グラフとしてのコンテンツスタイル表現の学習【JST・京大機械翻訳】

Retriever: Learning Content-Style Representation as a Token-Level Bipartite Graph

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年02月24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)

本論文は,コンテンツスタイル分解表現の教師なし学習を扱う。最初に,スタイルの定義を与えて,次にトークンレベル二分グラフとしてコンテンツスタイル表現をモデル化する。そのような表現を学習するために,Retriverと呼ばれる教師なしフレームワークを提案した。最初に,交差注意モジュールを採用して,入力データからスタイルとして定義される置換不変量(P.I.)情報を検索する。第2に,ベクトル量子化(VQ)モジュールを,解釈可能なコンテンツトークンを作り出すために,人間誘導制約と共に使用した。最後に,革新的リンク注意モジュールは,リンク鍵の助けを借りて,分解コンテンツとスタイルからデータを再構成する復号器として機能する。モーダル診断として,提案したRetriverを音声と画像領域の両方で評価する。最先端のゼロショット音声変換性能は,著者らのフレームワークの分割能力を確認した。また,画像のための部分発見タスクにおいて,トップ性能を達成し,著者らの表現の解釈性を検証した。さらに,鮮明な部分ベーススタイル転送品質は,様々な魅力的な生成タスクをサポートするためのRetrievの可能性を示す。https://ydcustc.github.io/retriever demo/におけるプロジェクトページ。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般

, , , , ,

前のページに戻る