論文の概要: A Few Brief Notes on DeepImpact, COIL, and a Conceptual Framework for
Information Retrieval Techniques
- arxiv url: http://arxiv.org/abs/2106.14807v1
- Date: Mon, 28 Jun 2021 15:30:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-29 18:00:27.137179
- Title: A Few Brief Notes on DeepImpact, COIL, and a Conceptual Framework for
Information Retrieval Techniques
- Title(参考訳): deepimpact, coil, and a concept framework for information retrieval techniquesについて
- Authors: Jimmy Lin and Xueguang Ma
- Abstract要約: uniCOIL」はCOILの単純な拡張であり、一般的なMS MARCO通過ランキングデータセットのスパース検索における現在の最先端技術を実現する。
The Anserini IR Toolkit using the Anserini IR Toolkit built on the Lucene search library, so complete compatible with standard inverted indexs。
- 参考スコア(独自算出の注目度): 42.67826268399347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent developments in representational learning for information retrieval
can be organized in a conceptual framework that establishes two pairs of
contrasts: sparse vs. dense representations and unsupervised vs. learned
representations. Sparse learned representations can further be decomposed into
expansion and term weighting components. This framework allows us to understand
the relationship between recently proposed techniques such as DPR, ANCE,
DeepCT, DeepImpact, and COIL, and furthermore, gaps revealed by our analysis
point to "low hanging fruit" in terms of techniques that have yet to be
explored. We present a novel technique dubbed "uniCOIL", a simple extension of
COIL that achieves to our knowledge the current state-of-the-art in sparse
retrieval on the popular MS MARCO passage ranking dataset. Our implementation
using the Anserini IR toolkit is built on the Lucene search library and thus
fully compatible with standard inverted indexes.
- Abstract(参考訳): 情報検索のための表現学習の最近の発展は、スパース対密表現と教師なし対学習表現の2対のコントラストを確立する概念的枠組みで構成できる。
スパース学習表現はさらに拡張と項重み付け成分に分解することができる。
このフレームワークは,近年提案されているDPR,ANCE,DeepCT,DeepImpact,COILなどの技術との関係を把握し,また,本分析で明らかになったギャップは,まだ探索されていない技術で「低吊り果実」を意味する。
我々は,人気のms marco パスランキングデータセットのスパース検索における現在の最先端の知識を実現する,コイルの単純な拡張である unicoil という新しい手法を提案する。
The Anserini IR Toolkit using the Anserini IR Toolkit built on the Lucene search library, so complete compatible with standard inverted indexs。
関連論文リスト
- SCD-Net: Spatiotemporal Clues Disentanglement Network for
Self-supervised Skeleton-based Action Recognition [39.99711066167837]
本稿では、SCD-Net(Stemporal Clues Disentanglement Network)という、対照的な学習フレームワークを紹介する。
具体的には,これらのシーケンスを特徴抽出器と統合し,空間領域と時間領域からそれぞれ明確な手がかりを導出する。
我々は,NTU-+D (60&120) PKU-MMDI (&I) データセットの評価を行い,行動認識,行動検索,伝達学習などの下流タスクを網羅した。
論文 参考訳(メタデータ) (2023-09-11T21:32:13Z) - UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。
事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。
本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
論文 参考訳(メタデータ) (2022-05-23T11:01:59Z) - Meta-Learning Sparse Compression Networks [44.30642520752235]
近年のDeep Learningの研究は、座標空間から基礎となる連続信号への写像としてのデータ表現を再定義している。
Inlicit Neural Representation (INRs) に関する最近の研究は、アーキテクチャ探索に注意を払って、INRが確立された圧縮手法より優れていることを示した。
論文 参考訳(メタデータ) (2022-05-18T14:31:43Z) - Cross-modal Representation Learning for Zero-shot Action Recognition [67.57406812235767]
我々は、ゼロショット動作認識(ZSAR)のためのビデオデータとテキストラベルを共同で符号化するクロスモーダルトランスフォーマーベースのフレームワークを提案する。
我々のモデルは概念的に新しいパイプラインを使用し、視覚的表現と視覚的意味的関連をエンドツーエンドで学習する。
実験結果から,本モデルはZSARの芸術的状況に大きく改善され,UCF101,HMDB51,ActivityNetベンチマークデータセット上でトップ1の精度が向上した。
論文 参考訳(メタデータ) (2022-05-03T17:39:27Z) - Learning Deep Context-Sensitive Decomposition for Low-Light Image
Enhancement [58.72667941107544]
典型的なフレームワークは、照明と反射を同時に推定することであるが、特徴空間にカプセル化されたシーンレベルの文脈情報を無視する。
本研究では,空間スケールにおけるシーンレベルのコンテキスト依存を生かした,コンテキスト依存型分解ネットワークアーキテクチャを提案する。
チャネル数を減らして軽量なCSDNet(LiteCSDNet)を開発する。
論文 参考訳(メタデータ) (2021-12-09T06:25:30Z) - Text-Based Person Search with Limited Data [66.26504077270356]
テキストベースの人物検索(TBPS)は、画像ギャラリーから対象人物を記述的なテキストクエリで検索することを目的としている。
限られたデータによってもたらされる問題に対処する2つの新しいコンポーネントを持つフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-20T22:20:47Z) - Fine-grained Semantics-aware Representation Enhancement for
Self-supervised Monocular Depth Estimation [16.092527463250708]
自己教師付き単分子深度推定を改善するための新しいアイデアを提案する。
我々は、幾何学的表現強化に暗黙的な意味知識を取り入れることに注力する。
提案手法をKITTIデータセット上で評価し,提案手法が最先端の手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-08-19T17:50:51Z) - NeuralFusion: Online Depth Fusion in Latent Space [77.59420353185355]
潜在特徴空間における深度マップアグリゲーションを学習する新しいオンライン深度マップ融合手法を提案する。
提案手法は,高騒音レベルを処理し,特に測光ステレオベース深度マップに共通する粗悪なアウトレージに対処できる。
論文 参考訳(メタデータ) (2020-11-30T13:50:59Z)
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。