Fugu-MT 論文翻訳(概要): A New Efficient Numbering System : Application to Numbers Generation and Visual Markers Design

論文の概要: A New Efficient Numbering System : Application to Numbers Generation and Visual Markers Design

arxiv url: http://arxiv.org/abs/2103.11727v1
Date: Mon, 22 Mar 2021 11:06:54 GMT
ステータス: 処理完了
システム内更新日: 2021-03-24 02:32:05.406474
Title: A New Efficient Numbering System : Application to Numbers Generation and Visual Markers Design
Title（参考訳）: 新しい効率的な数付けシステム : 数生成と視覚マーカー設計への応用
Authors: Messaoud Mostefai1, Salah Khodja and Youssef Chahir
Abstract要約: 提案されたOILUシンボリックは、多面数分割プロセスに基づく新しい種類の数列を生成することができる。新しいビジュアルマーカーは、拡張現実とUAVのナビゲーションアプリケーションに非常に必要です。
参考スコア（独自算出の注目度）: 0.2578242050187029
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This short paper introduces a recently patented line based numbering system. The last allows a best concordance with decimal digits values, and open up new opportunities, which are not possible with the classical decimal numeration system. Proposed OILU symbolic allows generating a new type of number series, based on multi facets numbers splitting process. On the other hand, this new symbolic is used in the development of new visual markers, highly required in augmented reality and UAV's navigation applications.
Abstract（参考訳）: 本稿では,最近特許を取得したラインベース番号システムを紹介する。最後に、十進数字の値と最高の一致を可能にし、古典的な十進数字体系では不可能な新しい機会を開く。提案されたOILU記号は、多面数分割プロセスに基づく新しい種類の数列を生成することができる。一方、この新しいシンボルは、拡張現実やUAVのナビゲーションアプリケーションで非常に必要とされる新しい視覚マーカーの開発に使用される。

関連論文リスト

NAMER: Non-Autoregressive Modeling for Handwritten Mathematical Expression Recognition [80.22784377150465]
手書き数学的表現認識(HMER)は、文書理解における多種多様な応用のために、パターン認識において大きな注目を集めている。本稿では,HMERのためのボトムアップ非自己回帰モデリング手法であるNAMERを初めて構築する。 NAMERは、VAT(Visual Aware Tokenizer)とPGD(Parallel Graph)を備える。
論文参考訳（メタデータ） (2024-07-16T04:52:39Z)
Arbitrary-Length Generalization for Addition in a Tiny Transformer [55.2480439325792]
本稿では,トランスフォーマーモデルを用いて,未知の桁数に対する2桁数の追加を一般化する学習手法を提案する。提案手法では, 右から左へ処理を行う自己回帰生成手法を用いて, 多数の値を追加するための共通手動手法を模倣する。
論文参考訳（メタデータ） (2024-05-31T03:01:16Z)
Exploring Diverse Representations for Open Set Recognition [51.39557024591446]
オープンセット認識(OSR)では、テスト中に未知のサンプルを拒絶しながら、クローズドセットに属するサンプルを分類する必要がある。現在、生成モデルはOSRの差別モデルよりもよく機能している。本稿では,多種多様な表現を識別的に学習するMulti-Expert Diverse Attention Fusion(MEDAF)を提案する。
論文参考訳（メタデータ） (2024-01-12T11:40:22Z)
xVal: A Continuous Number Encoding for Large Language Models [42.19323262199993]
一つのトークンを用いて任意の実数を表す数値符号化方式であるxValを提案する。我々は,いくつかの合成および実世界のデータセットに対する提案を実証的に評価した。
論文参考訳（メタデータ） (2023-10-04T17:26:16Z)
NumHG: A Dataset for Number-Focused Headline Generation [28.57003500212883]
見出し生成(英: Headline generation)は、抽象的な要約において重要なタスクであり、全長の記事を簡潔で単行のテキストに凝縮しようと試みている。我々はNumHGという新しいデータセットを導入し、27,000以上の注釈付き数字に富んだニュース記事を詳細な調査のために提供している。我々は,従来の見出し生成タスクから,数値的精度,妥当性,可読性の観点から,人間の評価を用いて5つの優れたモデルを評価する。
論文参考訳（メタデータ） (2023-09-04T09:03:53Z)
Improving Accuracy and Explainability of Online Handwriting Recognition [0.9176056742068814]
我々は,OnHW-charsデータセット上で手書き認識モデルを開発し,先行モデルの精度を向上させる。私たちの結果は公開リポジトリを通じて検証可能で再現可能です。
論文参考訳（メタデータ） (2022-09-14T21:28:14Z)
When Counting Meets HMER: Counting-Aware Network for Handwritten Mathematical Expression Recognition [57.51793420986745]
我々は、手書き数式認識(HMER)のための非従来型ネットワークであるCounting-Aware Network(CAN)を提案する。シンボルレベルの位置アノテーションを使わずに各シンボルクラスの数を予測できる弱教師付きカウントモジュールを設計する。 HMERのベンチマークデータセットの実験により、エンコーダ・デコーダモデルの予測誤差を修正するために、共同最適化とカウント結果の両方が有用であることが検証された。
論文参考訳（メタデータ） (2022-07-23T08:39:32Z)
Number Entity Recognition [65.80137628972312]
番号は他のワードトークンと同様に、自然言語処理(NLP)モデルを構築し、デプロイするテキストの必須コンポーネントである。本研究では、最先端のNLPモデルの可能性を活用し、関連するタスクにおける性能向上能力の伝達を試みる。提案した数値をエンティティに分類することで,手作りのFill-In-The-Blank (FITB)タスクや,関節埋め込みを用いた質問応答など,NLPモデルの性能が向上する。
論文参考訳（メタデータ） (2022-05-07T05:22:43Z)
Representing Numbers in NLP: a Survey and a Vision [15.035458171592191]
数値に関する最近のNLP作業は、タスクとメソッドの包括的な分類に整理します。我々は以前に発行された18個の数値エンコーダとデコーダによる無数の表現選択を解析する。テキストにおける数値表現のベストプラクティスを合成し、NLPにおける全体的数値化のビジョンを具現化します。
論文参考訳（メタデータ） (2021-03-24T12:28:22Z)
Introducing a new high-resolution handwritten digits data set with writer characteristics [0.0]
収集した手書きの数字データセットを新たに導入する。手書き文字の高精細な画像と様々な文字の特徴を含んでいる。集められた複数のライターの特徴は、私たちのデータセットの斬新さであり、新しい研究機会を生み出します。
論文参考訳（メタデータ） (2020-11-04T18:18:43Z)
ResNeSt: Split-Attention Networks [86.25490825631763]
このアーキテクチャは、異なるネットワークブランチにチャンネルワイズを応用し、機能間相互作用のキャプチャと多様な表現の学習の成功を活用する。我々のモデルはResNeStと呼ばれ、画像分類の精度と遅延トレードオフにおいてEfficientNetより優れています。
論文参考訳（メタデータ） (2020-04-19T20:40:31Z)

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。