論文の概要: Towards Visual Semantics
- arxiv url: http://arxiv.org/abs/2104.12379v1
- Date: Mon, 26 Apr 2021 07:28:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 14:41:58.407205
- Title: Towards Visual Semantics
- Title（参考訳）: ビジュアルセマンティクスに向けて
- Authors: Fausto Giunchiglia and Luca Erculiani and Andrea Passerini
- Abstract要約: 私たちは、人間の視覚的知覚の精神表現、すなわち概念の構築方法を研究します。
本稿では,分類概念と呼ばれる概念に対応する物質概念を学習する理論とアルゴリズムを提案する。
予備的な実験は、アルゴリズムが正しい精度で属と分化の概念を取得することを証明している。
- 参考スコア（独自算出の注目度）: 17.1623244298824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Visual Semantics we study how humans build mental representations, i.e.,
concepts , of what they visually perceive. We call such concepts, substance
concepts. In this paper we provide a theory and an algorithm which learns
substance concepts which correspond to the concepts, that we call
classification concepts , that in Lexical Semantics are used to encode word
meanings. The theory and algorithm are based on three main contributions: (i)
substance concepts are modeled as visual objects , namely sequences of similar
frames, as perceived in multiple encounters ; (ii) substance concepts are
organized into a visual subsumption hierarchy based on the notions of Genus and
Differentia that resemble the notions that, in Lexical Semantics, allow to
construct hierarchies of classification concepts; (iii) the human feedback is
exploited not to name objects, as it has been the case so far, but, rather, to
align the hierarchy of substance concepts with that of classification concepts.
The learning algorithm is implemented for the base case of a hierarchy of depth
two. The experiments, though preliminary, show that the algorithm manages to
acquire the notions of Genus and Differentia with reasonable accuracy, this
despite seeing a small number of examples and receiving supervision on a
fraction of them.
- Abstract（参考訳）: 視覚的セマンティックス(Visual Semantics)では、人間の心的表現、すなわち視覚的に知覚されるものの概念をどのように構築するかを研究する。
このような概念を物質概念と呼びます
本稿では,単語の意味を符号化するために語彙意味論(Lexical Semantics)を用いて,分類概念と呼ぶ概念に対応する物質概念を学習する理論とアルゴリズムを提案する。
The theory and algorithm are based on three main contributions: (i) substance concepts are modeled as visual objects , namely sequences of similar frames, as perceived in multiple encounters ; (ii) substance concepts are organized into a visual subsumption hierarchy based on the notions of Genus and Differentia that resemble the notions that, in Lexical Semantics, allow to construct hierarchies of classification concepts; (iii) the human feedback is exploited not to name objects, as it has been the case so far, but, rather, to align the hierarchy of substance concepts with that of classification concepts.
この学習アルゴリズムは、深さ2の階層のベースケースに対して実装される。
実験は、予備的ではあるが、アルゴリズムが妥当な正確さで属と分化の概念を取得することができたことを示しているが、これは少数の例を見て、そのごく一部について監督を受けているにもかかわらずである。
関連論文リスト
- Identifying and interpreting non-aligned human conceptual
representations using language modeling [0.0]
先天性失明は,a-モダル語と知覚関連言語ドメインの両方において概念的再編成を引き起こすことを示す。
視覚障害者は、より強く社会的・認知的な意味と、行動に関連する動詞を関連づける。
一部の動詞では、盲目と盲目の表現は非常に似ている。
論文 参考訳（メタデータ） (2024-03-10T13:02:27Z) - Domain Embeddings for Generating Complex Descriptions of Concepts in
Italian Language [65.268245109828]
電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。
リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。
本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
論文 参考訳（メタデータ） (2024-02-26T15:04:35Z) - Intrinsic Physical Concepts Discovery with Object-Centric Predictive
Models [86.25460882547581]
PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。
物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
論文 参考訳（メタデータ） (2023-03-03T11:52:21Z) - Analyzing Encoded Concepts in Transformer Language Models [21.76062029833023]
ConceptXは、事前訓練された言語モデル内で学習された表現において、潜伏概念がどのように符号化されるかを分析する。
クラスタリングを使用して、符号化された概念を発見し、人間の定義した概念の大規模なセットと整合してそれらを説明する。
論文 参考訳（メタデータ） (2022-06-27T13:32:10Z) - Visual Superordinate Abstraction for Robust Concept Learning [80.15940996821541]
概念学習は言語意味論と結びついた視覚表現を構成する。
視覚概念の本質的な意味的階層を探索する失敗のボトルネックについて説明する。
本稿では,意味認識型視覚サブ空間を明示的にモデル化するビジュアル・スーパーオーディネート・抽象化・フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-28T14:27:38Z) - Building a visual semantics aware object hierarchy [0.0]
視覚的意味論を意識したオブジェクト階層を構築するための新しい教師なし手法を提案する。
この論文の直感は、概念が階層的に組織化されている現実世界の知識表現から来ています。
評価は2つの部分から構成され、まず、構築された階層をオブジェクト認識タスクに適用し、その上で、視覚的階層と既存の語彙階層を比較して、提案手法の有効性を示す。
論文 参考訳（メタデータ） (2022-02-26T00:10:21Z) - Toward a Visual Concept Vocabulary for GAN Latent Space [74.12447538049537]
本稿では,GANの潜在空間で表現される原始視覚概念のオープンエンド語彙を構築するための新しい手法を提案する。
提案手法は, 層選択性に基づく知覚的正当方向の自動識別, 自由形, 構成的自然言語記述による人為的アノテーションの3つの要素から構成される。
実験により、我々のアプローチで学んだ概念は信頼性があり、構成可能であることが示され、クラス、コンテキスト、オブザーバをまたいで一般化される。
論文 参考訳（メタデータ） (2021-10-08T17:58:19Z) - Classifying concepts via visual properties [5.1652563977194434]
本稿では,物質概念のレキシコ・セマンティック階層を構築するための一般的な手法を紹介する。
重要なノベルティは、階層構造が物質概念の視覚的性質を利用するように構築されていることである。
アプローチの有効性は、進行中のプロジェクトのハイライトを提供することによって実証されます。
論文 参考訳（メタデータ） (2021-05-19T22:24:30Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳（メタデータ） (2021-01-13T15:22:01Z) - Visual Concept-Metaconcept Learning [101.62725114966211]
本稿では,概念とメタ概念を画像と関連する問合せ対から学習するための視覚概念メタコンセプタ(VCML)を提案する。
赤と緑がオブジェクトの同じ性質を記述していることを知ると、立方体と球面がオブジェクトの同じ性質を記述しているという事実を一般化する。
論文 参考訳（メタデータ） (2020-02-04T18:42:30Z)
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。