Fugu-MT 論文翻訳(概要): A Multimodal Dialogue System for Conversational Image Editing

論文の概要: A Multimodal Dialogue System for Conversational Image Editing

arxiv url: http://arxiv.org/abs/2002.06484v1
Date: Sun, 16 Feb 2020 01:09:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-31 18:07:41.578378
Title: A Multimodal Dialogue System for Conversational Image Editing
Title（参考訳）: 対話型画像編集のためのマルチモーダル対話システム
Authors: Tzu-Hsiang Lin, Trung Bui, Doo Soon Kim, Jean Oh
Abstract要約: 我々は,多モード対話システムを部分観測マルコフ決定プロセス (POMDP) として定式化し,深層Q-Network (DQN) とユーザシミュレータを用いて学習した。評価の結果,DQN政策はルールベースの基本方針よりも優れ,高い誤差率で90%の成功率を達成した。
参考スコア（独自算出の注目度）: 28.537875770076457
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a multimodal dialogue system for Conversational Image Editing. We formulate our multimodal dialogue system as a Partially Observed Markov Decision Process (POMDP) and trained it with Deep Q-Network (DQN) and a user simulator. Our evaluation shows that the DQN policy outperforms a rule-based baseline policy, achieving 90\% success rate under high error rates. We also conducted a real user study and analyzed real user behavior.
Abstract（参考訳）: 本稿では,対話型画像編集のためのマルチモーダル対話システムを提案する。我々は,多モード対話システムを部分観測マルコフ決定プロセス(POMDP)として定式化し,深層Q-Network(DQN)とユーザシミュレータを用いて学習した。評価の結果、dqnポリシーはルールベースのベースラインポリシーを上回り、高いエラー率で90%の成功率を達成した。また,実ユーザ調査を行い,実ユーザ行動の分析を行った。

関連論文リスト

DialCLIP: Empowering CLIP as Multi-Modal Dialog Retriever [83.33209603041013]
マルチモーダルダイアログ検索のためのパラメータ効率の高いプロンプトチューニング手法であるDialCLIPを提案する。提案手法では,事前学習された視覚言語モデルCLIP内のプロンプトに抽出された文脈特徴を学習するためのマルチモーダルコンテキスト生成手法を提案する。様々なタイプの検索を容易にするために,CLIP出力からマルチモーダル表現空間へのマッピングを学習するために,複数の専門家を設計する。
論文参考訳（メタデータ） (2024-01-02T07:40:12Z)
Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文参考訳（メタデータ） (2023-10-31T14:12:07Z)
Self-Explanation Prompting Improves Dialogue Understanding in Large Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。 6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文参考訳（メタデータ） (2023-09-22T15:41:34Z)
JoTR: A Joint Transformer and Reinforcement Learning Framework for Dialog Policy Learning [53.83063435640911]
対話政策学習(DPL)は対話モデリングの重要な構成要素である。フレキシブルな対話行動を生成するための新しいフレームワークであるJoTRを導入する。従来の方法とは異なり、JoTRはよりダイナミックで適応可能な対話アクション生成を可能にするワードレベルのポリシーを定式化している。
論文参考訳（メタデータ） (2023-09-01T03:19:53Z)
Why Guided Dialog Policy Learning performs well? Understanding the role of adversarial learning and its alternative [0.44267358790081573]
近年では、ダイアログポリシー学習(DPL)のための有望な選択肢として強化学習が登場している。収集データから報酬を推定する方法の1つは、相手学習(AL)を用いて報酬推定器と対話ポリシーを同時に訓練することである。本稿では,DPLにおけるALの役割を,ダイアログポリシと報酬推定器の目的関数の詳細な分析を通じて明らかにする。本稿では,ALを報酬推定から排除し,その利点を保ちながらDPLを除去する手法を提案する。
論文参考訳（メタデータ） (2023-07-13T12:29:29Z)
DialogCC: An Automated Pipeline for Creating High-Quality Multi-Modal Dialogue Dataset [18.449076451976236]
本稿では,マルチモーダル対話データセットを構築するための自動パイプラインを提案する。我々のパイプラインでは、画像と対話のコヒーレンスを保証するため、GPT-4に潜在的な画像共有モーメントを推測するよう促す。このパイプラインを通じて、高品質で多様な多モード対話データセットであるDialogCCを紹介する。
論文参考訳（メタデータ） (2022-12-08T07:29:07Z)
Is MultiWOZ a Solved Task? An Interactive TOD Evaluation Framework with User Simulator [37.590563896382456]
タスク指向対話(TOD)システムのための対話型評価フレームワークを提案する。まず,事前学習したモデルに基づいて目標指向のユーザシミュレータを構築し,ユーザシミュレータを用いて対話システムと対話して対話を生成する。実験の結果,提案したユーザシミュレータによりトレーニングされたRLベースのTODシステムは,約98%のインフォメーションと成功率を達成することができた。
論文参考訳（メタデータ） (2022-10-26T07:41:32Z)
"Think Before You Speak": Improving Multi-Action Dialog Policy by Planning Single-Action Dialogs [33.78889030078026]
マルチアクションダイアログポリシー(MADP)は、ターンごとに複数のアトミックダイアログアクションを生成する。シングルアクションダイアログダイナミクスを学習する新しいマルチタスク学習フレームワークであるPlanning Enhanced Dialog Policy (PEDP)を提案する。完全教師付き学習ベース手法は, タスク成功率90.6%を達成し, 最先端の手法に比べて3%向上した。
論文参考訳（メタデータ） (2022-04-25T07:55:53Z)
High-Quality Diversification for Task-Oriented Dialogue Systems [18.455916009255485]
多様な対話路を持つDRLエージェントの訓練は、稀なユーザ要求や目に見えない状況に備える。 1つの効果的な多様化方法は、エージェントが多様な学習されたユーザーモデルと対話できるようにすることである。シミュレータで訓練されたタスク指向対話システムのための新しい対話多様化手法を提案する。
論文参考訳（メタデータ） (2021-06-02T02:10:07Z)
Meta Dialogue Policy Learning [58.045067703675095]
我々は、ドメイン間の共有可能な低レベル信号を利用するために、Deep Transferable Q-Network (DTQN)を提案する。状態と行動表現空間をこれらの低レベル成分に対応する特徴部分空間に分解する。実験において,本モデルは,成功率と対話効率の両方の観点から,ベースラインモデルより優れている。
論文参考訳（メタデータ） (2020-06-03T23:53:06Z)
Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文参考訳（メタデータ） (2020-05-27T02:05:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。