論文の概要: Draw Me a Flower: Grounding Formal Abstract Structures Stated in Informal Natural Language

• arxiv url: http://arxiv.org/abs/2106.14321v1
• Date: Sun, 27 Jun 2021 21:11:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 18:12:21.950463
• Title: Draw Me a Flower: Grounding Formal Abstract Structures Stated in Informal Natural Language
• Title（参考訳）: 花を描きなさい:インフォーマルな自然言語で表される接地形式的抽象構造
• Authors: Royi Lachmy, Valentina Pyatkin, Reut Tsarfaty
• Abstract要約: 我々は,2次元ヘキサゴスボード上で,プレイヤーがますます複雑な画像を記述するヘキサゴス参照ゲームを開発した。 このゲームを使って164の画像と3000以上の自然発生命令からなるヘキサゴナルスデータセットを収集した。 ヘキサゴナルスデータセットから導かれる命令-実行タスクに基づくベースラインモデルの結果、NLの高レベルな抽象化が現在のシステムでは処理が困難であることを確認した。
• 参考スコア（独自算出の注目度）: 6.900102922776184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forming and interpreting abstraction is a core process in human communication. In particular, when giving and performing complex instructions stated in natural language (NL), people may naturally evoke abstract constructs such as objects, loops, conditions and functions to convey their intentions in an efficient and precise way. Yet, interpreting and grounding abstraction stated in NL has not been systematically studied in NLP/AI. To elicit naturally-occurring abstractions in NL we develop the Hexagons referential game, where players describe increasingly complex images on a two-dimensional Hexagons board, and other players need to follow these instructions to recreate the images. Using this game we collected the Hexagons dataset, which consists of 164 images and over 3000 naturally-occurring instructions, rich with diverse abstractions. Results of our baseline models on an instruction-to-execution task derived from the Hexagons dataset confirm that higher-level abstractions in NL are indeed more challenging for current systems to process. Thus, this dataset exposes a new and challenging dimension for grounded semantic parsing, and we propose it for the community as a future benchmark to explore more sophisticated and high-level communication within NLP applications.
• Abstract（参考訳）: 抽象の形成と解釈は、人間のコミュニケーションの核となるプロセスである。 特に、自然言語(nl)で記述された複雑な指示を与え実行する場合、人々は自然にオブジェクト、ループ、条件、関数といった抽象的な構成を誘発し、効率的に正確な方法で意図を伝えることができる。 しかし、NLで記述されている解釈と接地抽象化は、NLP/AIにおいて体系的に研究されていない。 NLで自然に生じる抽象概念を導き出すため、プレイヤーは2次元の六角形板上でますます複雑な画像を記述し、他のプレイヤーはこれらの命令に従って画像を再生成する。 このゲームを使って164のイメージと3000以上の自然発生命令で構成されたヘキサゴナルスデータセットを収集し、多様な抽象化に富んだ。 ヘキサゴナルスデータセットから導かれる命令-実行タスクに基づくベースラインモデルの結果、NLの高レベルな抽象化が現在のシステムでは処理が困難であることを確認した。 したがって、このデータセットは、接地意味解析の新しい挑戦的な次元を公開し、nlpアプリケーション内のより洗練されたハイレベルな通信を探求するための将来のベンチマークとしてコミュニティに提案する。

関連論文リスト

• VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning [86.59849798539312]
  本稿では,記号的・神経的知識表現の強みを組み合わせた一階抽象言語Neuro-Symbolic Predicatesを提案する。 提案手法は, サンプルの複雑さの向上, 分布外一般化の強化, 解釈可能性の向上を実現する。
  論文  参考訳（メタデータ） (2024-10-30T16:11:05Z)
• How to Handle Sketch-Abstraction in Sketch-Based Image Retrieval? [120.49126407479717]
  スケッチの抽象化を様々なレベルで処理できるスケッチベース画像検索フレームワークを提案する。 粒度レベルの抽象理解のために、検索モデルはすべての抽象レベルを等しく扱ってはならないと規定する。 私たちのAcc.@qの損失は、評価がいかに厳格であるかという点で、スケッチが焦点を絞りたり壊したりできます。
  論文  参考訳（メタデータ） (2024-03-11T23:08:29Z)
• Learning with Language-Guided State Abstractions [58.199148890064826]
  高次元観測空間における一般化可能なポリシー学習は、よく設計された状態表現によって促進される。 我々の手法であるLGAは、自然言語の監視と言語モデルからの背景知識を組み合わせて、目に見えないタスクに適した状態表現を自動構築する。 シミュレーションされたロボットタスクの実験では、LGAは人間によって設計されたものと同様の状態抽象化をもたらすが、そのほんの少しの時間で得られる。
  論文  参考訳（メタデータ） (2024-02-28T23:57:04Z)
• Emergence and Function of Abstract Representations in Self-Supervised Transformers [0.0]
  本研究では,部分的にマスキングされた視覚シーンを再構築するために訓練された小型トランスフォーマーの内部動作について検討する。 ネットワークは、データセットのすべての意味的特徴をエンコードする中間抽象表現(抽象表現)を開発する。 正確な操作実験を用いて、抽象化がネットワークの意思決定プロセスの中心であることを実証する。
  論文  参考訳（メタデータ） (2023-12-08T20:47:15Z)
• AbsPyramid: Benchmarking the Abstraction Ability of Language Models with a Unified Entailment Graph [62.685920585838616]
  抽象能力は人間の知性において必須であり、言語モデルでは未探索のままである。 本稿では、抽象知識の221Kテキスト記述を統一したエンテーメントグラフであるAbsPyramidを提案する。
  論文  参考訳（メタデータ） (2023-11-15T18:11:23Z)
• tagE: Enabling an Embodied Agent to Understand Human Instructions [3.943519623674811]
  我々は, Embodied Agent (tagE) のためのタスク・アンド・引数・グラウンドティング(タスク・アンド・引数・グラウンドディング)と呼ばれる新しいシステムを導入する。 本システムでは,自然言語で表現された複雑なタスク命令から一連のタスクを抽出するために,発明的なニューラルネットワークモデルを採用している。 提案モデルでは,入れ子デコードに富んだエンコーダ・デコーダ・フレームワークを用いて,複雑な命令からタスクとその引数を効果的に抽出する。
  論文  参考訳（メタデータ） (2023-10-24T08:17:48Z)
• Semantic Exploration from Language Abstractions and Pretrained Representations [23.02024937564099]
  効果的な探究は強化学習(RL)の課題である 意味論的に意味のある状態抽象化を用いて新規性を定義する。 自然画像キャプションデータセットに基づく視覚言語表現の評価を行った。
  論文  参考訳（メタデータ） (2022-04-08T17:08:00Z)
• Generating Instructions at Different Levels of Abstraction [61.70390291746106]
  Minecraftで異なるレベルの抽象化で構築手順を生成する方法を示す。 クラウドソーシングの評価は、抽象化レベルの選択がユーザにとって重要であることを示している。
  論文  参考訳（メタデータ） (2020-10-08T13:56:09Z)
• Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
  自然言語の独特な性質は、テキスト表現の分離をより困難にする。 情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。 条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
  論文  参考訳（メタデータ） (2020-06-01T03:36:01Z)

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。