論文の概要: Coloring the Black Box: What Synesthesia Tells Us about Character Embeddings

• arxiv url: http://arxiv.org/abs/2101.10565v1
• Date: Tue, 26 Jan 2021 05:21:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 19:58:17.777493
• Title: Coloring the Black Box: What Synesthesia Tells Us about Character Embeddings
• Title（参考訳）: ブラックボックスの色付け - 文字埋め込みについてsynesthesia氏が語ること
• Authors: Katharina Kann and Mauro M. Monsalve-Mercado
• Abstract要約: グラファイムカラー合成の研究から得られた資源を文字埋め込みの研究に活用する。 文字の埋め込みは、シンセテートの文字に対する認識にどの程度似ているか? LSTMはトランスよりも人間と一致している。
• 参考スコア（独自算出の注目度）: 14.460635280152244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In contrast to their word- or sentence-level counterparts, character embeddings are still poorly understood. We aim at closing this gap with an in-depth study of English character embeddings. For this, we use resources from research on grapheme-color synesthesia -- a neuropsychological phenomenon where letters are associated with colors, which give us insight into which characters are similar for synesthetes and how characters are organized in color space. Comparing 10 different character embeddings, we ask: How similar are character embeddings to a synesthete's perception of characters? And how similar are character embeddings extracted from different models? We find that LSTMs agree with humans more than transformers. Comparing across tasks, grapheme-to-phoneme conversion results in the most human-like character embeddings. Finally, ELMo embeddings differ from both humans and other models.
• Abstract（参考訳）: 単語レベルや文レベルとは対照的に、文字埋め込みはいまだに理解されていない。 このギャップを、英語の文字埋め込みに関する詳細な研究で解消することを目指している。 これは、文字が色に関連付けられている神経心理学的な現象であり、どの文字が合成語に類似しているか、どのように色空間で文字が組織されるのかを洞察する。 10の異なる文字の埋め込みを比較すると、文字の埋め込みとシナテートの文字の知覚はどの程度似ていますか? キャラクタ埋め込みは、異なるモデルからどのくらい似ていますか? LSTMはトランスよりも人間と一致している。 タスク間で比較すると、Grapheme-to-phoneme変換は最も人間的な文字埋め込みをもたらす。 最後に、ELMoの埋め込みは人間や他のモデルとは異なる。

関連論文リスト

• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• Improving Quotation Attribution with Fictional Character Embeddings [11.259583037191772]
  本稿では,文字のグローバルなスタイリスティックな情報をエンコードする文字埋め込みにより,人気のある引用帰属システムであるBookNLPを提案する。 提案するグローバル文字埋め込みとBookNLPの文脈情報を組み合わせることで,アナフォリックおよび暗黙的引用のための話者識別が向上することを示す。
  論文  参考訳（メタデータ） (2024-06-17T09:46:35Z)
• CHIRON: Rich Character Representations in Long-Form Narratives [98.273323001781]
  文字のテキスト情報を整理・フィルタリングする新しい文字シートの表現であるCHIRONを提案する。 実験の結果,CHIRONは類似の要約に基づくベースラインよりも優れ,柔軟であることが判明した。 CHIRONから派生したメトリクスは、ストーリーのキャラクター中心性を自動的に推測するために使用することができ、これらのメトリクスは人間の判断と一致している。
  論文  参考訳（メタデータ） (2024-06-14T17:23:57Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• Character-Aware Models Improve Visual Text Rendering [57.19915686282047]
  現在の画像生成モデルは、十分に整形されたビジュアルテキストを生成するのに苦労している。 文字認識モデルは、新しい綴りタスクに大きな利益をもたらす。 われわれのモデルでは、ビジュアルスペルの精度は比較的高く、稀な単語の競合よりも30以上の精度が向上した。
  論文  参考訳（メタデータ） (2022-12-20T18:59:23Z)
• Subject Verb Agreement Error Patterns in Meaningless Sentences: Humans vs. BERT [64.40111510974957]
  英語における主語数合意に意味が干渉するかどうかを検証する。 意味的によく形づくられた、意味のないアイテムを生成します。 BERTと人間はどちらも、セマンティックな操作に敏感である。
  論文  参考訳（メタデータ） (2022-09-21T17:57:23Z)
• Triangular Character Animation Sampling with Motion, Emotion, and Relation [78.80083186208712]
  本稿では,キャラクターの身体の動き,表情,社会的関係を関連づけることで,アニメーションのサンプリングと合成を行う新しい枠組みを提案する。 本手法は,3次元キャラクタアニメーションの自動生成,非プレーヤキャラクタ(NPC)間のインタラクションの合成,バーチャルリアリティ(VR)におけるマシン感情インテリジェンスの向上を支援するアニメーターを提供する。
  論文  参考訳（メタデータ） (2022-03-09T18:19:03Z)
• Seeing the advantage: visually grounding word embeddings to better capture human semantic knowledge [8.208534667678792]
  分布意味モデルは、多くの自然言語処理タスクで有用な単語レベルの意味をキャプチャする。 我々は、英語のテキストと画像を組み合わせて視覚的に接地した単語埋め込みを作成し、それらを人気のあるテキストベース手法と比較する。 我々の分析では、視覚的に接地された埋め込み類似性は、純粋にテキストベースの埋め込みよりも人間の反応時間を予測することが示されている。
  論文  参考訳（メタデータ） (2022-02-21T15:13:48Z)
• "Let Your Characters Tell Their Story": A Dataset for Character-Centric Narrative Understanding [31.803481510886378]
  文芸作品の新しいデータセットLiSCUとその要約を、それらに現れる文字の記述と組み合わせて紹介する。 また、LiSCUにおける文字識別と文字記述生成という2つの新しいタスクについても紹介する。 これらの課題に適応した事前学習型言語モデルを用いた実験により,より優れた物語理解モデルの必要性が示された。
  論文  参考訳（メタデータ） (2021-09-12T06:12:55Z)
• Understanding and Evaluating Racial Biases in Image Captioning [18.184279793253634]
  画像キャプション内のバイアス伝搬経路について検討し,特にCOCOデータセットに着目した。 より軽い人と暗い肌の人の画像のキャプション性能,感情,言葉選択の差異を示す。
  論文  参考訳（メタデータ） (2021-06-16T01:07:24Z)
• Effect of Text Color on Word Embeddings [14.567067583556717]
  自然の場面や文書では、テキストとその色の間に相関関係を見出すことができる。 単語の埋め込みにテキストカラーを用いるというアイデアを提案する。
  論文  参考訳（メタデータ） (2020-04-18T05:14:18Z)

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。