論文の概要: Evaluating a Generative Adversarial Framework for Information Retrieval
- arxiv url: http://arxiv.org/abs/2010.00722v1
- Date: Thu, 1 Oct 2020 23:11:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 07:35:49.901307
- Title: Evaluating a Generative Adversarial Framework for Information Retrieval
- Title(参考訳): 情報検索のための生成型adversarial frameworkの評価
- Authors: Ameet Deshpande and Mitesh M. Khapra
- Abstract要約: 本稿では,提案モデルであるIRGAN(Generative Adversarial Networks Model)を批判的に分析するとともに,その欠点に関する実験的および理論的証拠を提供する。
具体的には、ポリシー勾配最適化における定数ベースライン項の問題を特定し、生成器がIRGANの性能に悪影響を及ぼすことを示す。
本研究は,3つの課題のうち2つにおいてIRGANより優れる自己コントラスト推定と協調学習の2つのモデルを提案する。
- 参考スコア(独自算出の注目度): 13.63306870751872
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in Generative Adversarial Networks (GANs) have resulted in
its widespread applications to multiple domains. A recent model, IRGAN, applies
this framework to Information Retrieval (IR) and has gained significant
attention over the last few years. In this focused work, we critically analyze
multiple components of IRGAN, while providing experimental and theoretical
evidence of some of its shortcomings. Specifically, we identify issues with the
constant baseline term in the policy gradients optimization and show that the
generator harms IRGAN's performance. Motivated by our findings, we propose two
models influenced by self-contrastive estimation and co-training which
outperform IRGAN on two out of the three tasks considered.
- Abstract(参考訳): GAN(Generative Adversarial Networks)の最近の進歩は、複数のドメインに広く応用されている。
最近のIRGANは、このフレームワークをIR(Information Retrieval)に適用し、ここ数年で大きな注目を集めている。
本研究では,irganの複数の構成要素を批判的に分析し,その欠点を実験的・理論的に証明する。
具体的には、ポリシー勾配最適化における定数ベースライン項の問題を特定し、生成器がIRGANの性能に悪影響を及ぼすことを示す。
本研究は,3つの課題のうち2つにおいてIRGANより優れる自己コントラスト推定と協調学習の2つのモデルを提案する。
関連論文リスト
- CRUD-RAG: A Comprehensive Chinese Benchmark for Retrieval-Augmented
Generation of Large Language Models [55.47070014913373]
Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の能力を高める技術である。
本稿では,大規模かつ包括的なベンチマークを構築し,様々なRAGアプリケーションシナリオにおけるRAGシステムのすべてのコンポーネントを評価する。
論文 参考訳(メタデータ) (2024-01-30T14:25:32Z) - CCA: Collaborative Competitive Agents for Image Editing [59.54347952062684]
本稿では,CCA(Collaborative Competitive Agents)の新たな生成モデルを提案する。
複数のLarge Language Models (LLM) ベースのエージェントを使って複雑なタスクを実行する。
この論文の主な貢献は、制御可能な中間ステップと反復最適化を備えたマルチエージェントベースの生成モデルの導入である。
論文 参考訳(メタデータ) (2024-01-23T11:46:28Z) - Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。
近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。
本稿では,異なる視点からGANの比較研究を行う。
論文 参考訳(メタデータ) (2022-04-28T16:35:04Z) - A survey on GANs for computer vision: Recent research, analysis and
taxonomy [0.0]
Surveyは、GANの概要を提供し、最新のアーキテクチャ、損失関数の最適化、検証メトリクス、アプリケーション領域を示すことを目的としている。
モデルアーキテクチャの異なるバリエーションの効率性を評価するとともに、最適なアプリケーション領域を示す。
本調査の最終目的は,今後の研究者を導く上で,より優れた結果が得られるGANの進化と性能の要約を提供することである。
論文 参考訳(メタデータ) (2022-03-21T18:06:03Z) - Learning Domain Invariant Representations for Generalizable Person
Re-Identification [71.35292121563491]
ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。
DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-29T18:59:48Z) - Exploring DeshuffleGANs in Self-Supervised Generative Adversarial
Networks [0.0]
本稿では,デシャッフルGANを一般化可能な文脈でデシャッフルする自己超越タスクの寄与について検討する。
DeshuffleGANは、他の自己教師型GANと比較して、複数のデータセットに対して最良のFID結果が得られることを示す。
我々は,cDeshuffleGANと呼ばれる条件付きDeshuffleGANを設計し,学習した表現の質を評価する。
論文 参考訳(メタデータ) (2020-11-03T14:22:54Z) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳(メタデータ) (2020-05-21T12:28:59Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳(メタデータ) (2020-05-08T21:32:42Z) - A Novel Measure to Evaluate Generative Adversarial Networks Based on
Direct Analysis of Generated Images [0.0]
GAN(Generative Adversarial Network)は、ディープラーニング分野における最先端技術である。
本稿では、生成した画像を直接解析することで、GANを評価するための基本的な方法を検討する。
論文 参考訳(メタデータ) (2020-02-27T18:59:22Z) - A Novel Framework for Selection of GANs for an Application [0.0]
我々は,モード崩壊,勾配の消失,不安定なトレーニング,非収束といった問題に対処するGANの進化を包括的に要約する。
本稿では, アーキテクチャ, 損失, 正規化, 分散度に基づく, 特定のユースケースの候補GANを識別する新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-02-20T09:51:48Z)
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。