文献

J-GLOBAL ID：202202281055999348   整理番号：22A0984619

ペアが三重項に出会うとき:多目的最適化による低リソースキャプションの改善【JST・京大機械翻訳】

When Pairs Meet Triplets: Improving Low-Resource Captioning via Multi-Objective Optimization

著者 (5件)： Wu Yike (College of Computer Science, Nankai University, Tianjin, China) ,  Zhao Shiwan (IBM Research - China, Beijing, China) ,  Zhang Ying (College of Computer Science, Nankai University, Tianjin, China) ,  Yuan Xiaojie (College of Computer Science, Nankai University, Tianjin, China) ,  Su Zhong (IBM Research - China, Beijing, China)
資料名： ACM Transactions on Multimedia Computing, Communications, and Applications  (ACM Transactions on Multimedia Computing, Communications, and Applications)
巻： 18  号： 3  ページ： 1-20  発行年： 2022年 
JST資料番号： W5702A  ISSN： 1551-6857  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 低資源言語に対する画像キャプティングは最近多くの注目を集めている。研究者は,低資源キャプションデータセットを(画像,豊富な資源言語,低資源言語)三重項に強化し,性能を改善するために訓練における三重項の存在を利用するための二重注意機構を開発した。しかし,三重項形式のデータセットは,通常,それらの高い収集コストのために小さい。他方では,既に多くの大規模データセットがあり,それは,豊富な資源言語におけるキャプションデータセットや豊富な資源言語から低資源言語への翻訳データセットのような,三重項から1つのペアを含んでいる。本論文では,訓練における三重項データセットだけでなく大規模ペアデータセットを利用するために,翻訳ベースアプローチのキャプション変換パイプラインを再検討した。キャプション変換パイプラインは,2つのモデル,豊富な資源言語の1つのキャプションモデル,および豊富な資源言語から低資源言語への1つの翻訳モデルから成る。残念なことに,訓練と試験段階の間のギャップと訓練プロセスにおける不安定性のために,三重項データセットとペアデータセットの両方をパイプラインに組み込むことから,完全に利益を得るのは自明ではない。訓練と試験ギャップを橋渡し,訓練プロセスを安定化するために2つの補助訓練目的を導入するために,エンドツーエンド方式でパイプラインの2つのモデルを同時に最適化することを提案する。実験結果は,提案方法が最先端の方法に関して著しく改良することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  言語 ,  *報告 ,  画像 ,  変換 ,  エンドツーエンド方式 ,  不安定性
準シソーラス用語： 多目的最適化 ,  *キャプション ,  大規模データセット , 【Automatic Indexing@JST】

著者キーワード (6件)： 画像捕獲 ,  低資源 ,  対データセット ,  三重項データセット ,  ギャップを埋める ,  補助訓練目標

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 三重項 ,  多目的最適化 ,  リソース ,  キャプション