論文の概要: Learning to Generate Multiple Style Transfer Outputs for an Input Sentence

• arxiv url: http://arxiv.org/abs/2002.06525v1
• Date: Sun, 16 Feb 2020 07:10:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 17:31:17.048249
• Title: Learning to Generate Multiple Style Transfer Outputs for an Input Sentence
• Title（参考訳）: 入力文の複数スタイル転送出力生成のための学習
• Authors: Kevin Lin, Ming-Yu Liu, Ming-Ting Sun, Jan Kautz
• Abstract要約: 入力テキストに対して異なるスタイル転送結果を生成する1対多のテキストスタイル転送フレームワークを提案する。 入力文の潜在表現を、言語スタイルのバリエーションをキャプチャするスタイルコードに分解する。 同じコンテンツコードと異なるスタイルコードを組み合わせることで、異なるスタイル転送出力を生成する。
• 参考スコア（独自算出の注目度）: 93.32432042381572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text style transfer refers to the task of rephrasing a given text in a different style. While various methods have been proposed to advance the state of the art, they often assume the transfer output follows a delta distribution, and thus their models cannot generate different style transfer results for a given input text. To address the limitation, we propose a one-to-many text style transfer framework. In contrast to prior works that learn a one-to-one mapping that converts an input sentence to one output sentence, our approach learns a one-to-many mapping that can convert an input sentence to multiple different output sentences, while preserving the input content. This is achieved by applying adversarial training with a latent decomposition scheme. Specifically, we decompose the latent representation of the input sentence to a style code that captures the language style variation and a content code that encodes the language style-independent content. We then combine the content code with the style code for generating a style transfer output. By combining the same content code with a different style code, we generate a different style transfer output. Extensive experimental results with comparisons to several text style transfer approaches on multiple public datasets using a diverse set of performance metrics validate effectiveness of the proposed approach.
• Abstract（参考訳）: テキストスタイルの転送は、あるテキストを別のスタイルで表現するタスクを指す。 アートの状態を前進させるために様々な方法が提案されているが、彼らはしばしば転送出力がデルタ分布に従うと仮定しており、そのモデルが与えられた入力テキストに対して異なるスタイル転送結果を生成することができない。 この制限に対処するために,1対多のテキストスタイル転送フレームワークを提案する。 入力文を1つの出力文に変換する1対1のマッピングを学習する先行研究とは対照的に,本研究では,入力文を複数の出力文に変換する1対1のマッピングを,入力内容を保存しながら学習する。 これは潜在分解スキームで逆訓練を適用することによって達成される。 具体的には、入力文の潜在表現を、言語スタイルのバリエーションをキャプチャするスタイルコードと、言語スタイルに依存しないコンテンツをエンコードするコンテンツコードに分解する。 次に、コンテンツコードとスタイルコードを組み合わせて、スタイル転送出力を生成します。 同じコンテンツコードを異なるスタイルコードと組み合わせることで、異なるスタイル転送出力を生成します。 提案手法の有効性を検証した多種多様な性能指標を用いて,複数の公開データセットに対するテキストスタイル転送手法との比較実験を行った。

関連論文リスト

• MSSRNet: Manipulating Sequential Style Representation for Unsupervised Text Style Transfer [82.37710853235535]
  教師なしのテキストスタイル転送タスクは、メインのコンテンツを保持しながらテキストをターゲットのスタイルに書き換えることを目的としている。 従来の方法では、固定サイズのベクトルを使ってテキストスタイルを規制するが、個々のトークンのスタイル強度を正確に伝達することは困難である。 提案手法は,テキスト中の各トークンに個々のスタイルベクトルを割り当てることでこの問題に対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:12:29Z)
• StylerDALLE: Language-Guided Style Transfer Using a Vector-Quantized Tokenizer of a Large-Scale Generative Model [64.26721402514957]
  本論文では,自然言語を用いて抽象芸術スタイルを記述するスタイル転送手法であるStylerDALLEを提案する。 具体的には、非自己回帰的なトークンシーケンス変換として、言語誘導型転送タスクを定式化する。 スタイル情報を組み込むために,CLIPに基づく言語指導による強化学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-16T12:44:44Z)
• StyleFlow: Disentangle Latent Representations via Normalizing Flow for Unsupervised Text Style Transfer [5.439842512864442]
  スタイル転送は、その内容を保持しながら文のスタイルを変更することを目的としている。 本稿では,コンテンツ保存性を高めるために,新しいアンタングル型スタイル転送モデルであるStyleFlowを提案する。
  論文  参考訳（メタデータ） (2022-12-19T17:59:18Z)
• DiffStyler: Controllable Dual Diffusion for Text-Driven Image Stylization [66.42741426640633]
  DiffStylerは、拡散された結果の内容とスタイルのバランスを制御するための二重拡散処理アーキテクチャである。 本稿では、逆復調処理をベースとしたコンテンツ画像に基づく学習可能なノイズを提案し、そのスタイリング結果により、コンテンツ画像の構造情報をよりよく保存する。
  論文  参考訳（メタデータ） (2022-11-19T12:30:44Z)
• SLOGAN: Handwriting Style Synthesis for Arbitrary-Length and Out-of-Vocabulary Text [35.83345711291558]
  本稿では,任意の長文と語彙外文に対して,パラメータ化および制御可能な手書きスタイルを合成する手法を提案する。 我々は、容易に入手可能な印刷スタイルの画像を提供することで、テキストコンテンツを埋め込むことにより、コンテンツの多様性を柔軟に達成することができる。 本手法は,学習語彙に含まれない単語を,様々な新しいスタイルで合成することができる。
  論文  参考訳（メタデータ） (2022-02-23T12:13:27Z)
• Multi-Pair Text Style Transfer on Unbalanced Data [3.4773470589069473]
  テキストスタイルの転送は、文を言い換えたり、内容を変更することなくキーワードを置換することで、あるドメインに与えられたテキストを別のドメインに変換することを目的としている。 マルチペアテキストスタイルのトランスファーを同時に行うタスク適応型メタラーニングフレームワークを開発した。 その結果,提案手法はコヒーレントなスタイルのバリエーションだけでなく,定量的な性能向上につながることがわかった。
  論文  参考訳（メタデータ） (2021-06-20T03:20:43Z)
• LEWIS: Levenshtein Editing for Unsupervised Text Style Transfer [14.507559615347304]
  本稿では,revenshtein編集操作を用いてテキスト変換を行うスタイル変換用粗細エディタを提案する。 従来のシングルスパン編集法とは異なり、このメソッドはソーステキストの複数のスパンを同時に編集します。 私たちの方法は、感情(Yelp、Amazon)と礼儀正しい(Polite)転送に関する既存の生成および編集スタイルの転送方法よりも優れています。
  論文  参考訳（メタデータ） (2021-05-18T00:08:30Z)
• TextSETTR: Few-Shot Text Style Extraction and Tunable Targeted Restyling [23.60231661500702]
  本稿では,テキストスタイル転送問題に対する新しいアプローチを提案する。 本手法は,隣接文間の暗黙的な接続を頼りに,手軽に使用可能な非ラベルテキストを利用する。 ラベルなしAmazonでのトレーニングでは、データレビューの結果が感情伝達に競合するモデルになっていることを実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:06:38Z)
• Exploring Contextual Word-level Style Relevance for Unsupervised Style Transfer [60.07283363509065]
  教師なしのスタイル転送は、元のコンテンツを保持しながら入力文のスタイルを変更することを目的としている。 本稿では,各出力語がターゲットスタイルに関連性があることを活かした,新たな注目シーケンス・ツー・シーケンスモデルを提案する。 実験結果から,提案手法は転送精度とコンテンツ保存の両面から,最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-05-05T10:24:28Z)
• Contextual Text Style Transfer [73.66285813595616]
  コンテキストテキストスタイル転送は、文をその周囲のコンテキストを考慮した所望のスタイルに変換することを目的としている。 本稿では,各入力文とその周辺コンテキストに対して2つの異なるエンコーダを使用するコンテキスト認識スタイル転送(CAST)モデルを提案する。 Enron-ContextとReddit-Contextという2つの新しいベンチマークが、フォーマル性と攻撃性スタイルの転送のために導入された。
  論文  参考訳（メタデータ） (2020-04-30T23:01:12Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。