Fugu-MT 論文翻訳(概要): Good-Enough Example Extrapolation

論文の概要: Good-Enough Example Extrapolation

arxiv url: http://arxiv.org/abs/2109.05602v2
Date: Wed, 15 Sep 2021 16:36:45 GMT
ステータス: 処理完了
システム内更新日: 2021-09-16 10:37:12.413824
Title: Good-Enough Example Extrapolation
Title（参考訳）: 良質な例外挿
Authors: Jason Wei
Abstract要約: 本稿では、あるクラスから別のクラスへのテキスト例の隠れた空間分布の補間が、データ拡張の有効な帰納バイアスであるかどうかを問う。 GE3(Good-enough example extrapolation)と呼ばれる単純なデータ拡張プロトコルを提案する。
参考スコア（独自算出の注目度）: 0.8702432681310401
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper asks whether extrapolating the hidden space distribution of text examples from one class onto another is a valid inductive bias for data augmentation. To operationalize this question, I propose a simple data augmentation protocol called "good-enough example extrapolation" (GE3). GE3 is lightweight and has no hyperparameters. Applied to three text classification datasets for various data imbalance scenarios, GE3 improves performance more than upsampling and other hidden-space data augmentation methods.
Abstract（参考訳）: 本稿では、あるクラスから別のクラスへのテキスト例の隠れ空間分布の補間が、データ拡張の有効な帰納バイアスであるかどうかを問う。本稿では,この問題を運用するために,GE3(Good-enough example extrapolation)と呼ばれる単純なデータ拡張プロトコルを提案する。 GE3は軽量でハイパーパラメータを持たない。さまざまなデータ不均衡シナリオのための3つのテキスト分類データセットに適用されるGE3は、アップサンプリングやその他の隠れスペースデータ拡張メソッドよりもパフォーマンスが向上する。

関連論文リスト

Text3DAug -- Prompted Instance Augmentation for LiDAR Perception [1.1633929083694388]
都市シナリオのLiDARデータは、異種特性や固有のクラス不均衡など、ユニークな課題を提起する。生成モデルを利用した新しいアプローチであるText3DAugを提案する。 Text3DAugはラベル付きデータに依存しておらず、テキストからインスタンスやアノテーションを生成する最初のタイプである。
論文参考訳（メタデータ） (2024-08-26T13:16:03Z)
ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [104.34751911174196]
ShapeNetとModelNetを用いた大規模3DGSデータセットを構築した。データセットのShapeSplatは、87のユニークなカテゴリから65Kのオブジェクトで構成されています。 textbftextitGaussian-MAEを導入し、ガウスパラメータからの表現学習の独特な利点を強調した。
論文参考訳（メタデータ） (2024-08-20T14:49:14Z)
Data Augmentation for Traffic Classification [54.92823760790628]
Data Augmentation (DA) はコンピュータビジョン(CV)と自然言語処理(NLP)に広く採用されている技術である。 DAはネットワークのコンテキスト、特にトラフィック分類(TC)タスクにおいて、牽引力を得るのに苦労しています。
論文参考訳（メタデータ） (2024-01-19T15:25:09Z)
Bridging Sensor Gaps via Attention Gated Tuning for Hyperspectral Image Classification [9.82907639745345]
HSI分類法は高品質なラベル付きHSIを必要とするが、しばしば入手するのにコストがかかる。本稿では,3重構造トランスモデルであるTri-Formerを提案する。
論文参考訳（メタデータ） (2023-09-22T13:39:24Z)
Adversarial Word Dilution as Text Data Augmentation in Low-Resource Regime [35.95241861664597]
本稿では,テキストデータ拡張として強烈な正の例を生成できる逆単語解法(AWD)を提案する。テキストデータの増大という考え方は、未知語埋め込みと重み付けして強正語の埋め込みを減らすことである。 3つのベンチマークデータセットに関する実証研究により、AWDはより効果的なデータ拡張を生成でき、最先端のテキストデータ拡張手法より優れていることが示された。
論文参考訳（メタデータ） (2023-05-16T08:46:11Z)
AugGPT: Leveraging ChatGPT for Text Data Augmentation [59.76140039943385]
本稿では,ChatGPT(AugGPT)に基づくテキストデータ拡張手法を提案する。 AugGPTはトレーニングサンプルの各文を、概念的には似ているが意味的に異なる複数のサンプルに言い換える。数ショットの学習テキスト分類タスクの実験結果は、提案したAugGPTアプローチの優れた性能を示している。
論文参考訳（メタデータ） (2023-02-25T06:58:16Z)
Synthetic-to-Real Domain Generalized Semantic Segmentation for 3D Indoor Point Clouds [69.64240235315864]
本稿では,本課題に対して,合成-実領域一般化設定を提案する。合成と実世界のポイントクラウドデータのドメインギャップは、主に異なるレイアウトとポイントパターンにあります。 CINMixとMulti-prototypeの両方が分配ギャップを狭めることを示した。
論文参考訳（メタデータ） (2022-12-09T05:07:43Z)
3D-QueryIS: A Query-based Framework for 3D Instance Segmentation [74.6998931386331]
従来の3Dインスタンスセグメンテーションの方法は、しばしばタスク間の依存関係と堅牢性の欠如の傾向を維持する。本稿では,3D-QueryISと呼ばれる新しい問合せ方式を提案する。私たちの3D-QueryISは、タスク間の依存関係による累積エラーから解放されています。
論文参考訳（メタデータ） (2022-11-17T07:04:53Z)
ASDOT: Any-Shot Data-to-Text Generation with Pretrained Language Models [82.63962107729994]
Any-Shot Data-to-Text (ASDOT)は、多様な設定に柔軟に適用可能な新しいアプローチである。データ曖昧化と文の融合という2つのステップから構成される。実験の結果, ASDOT はベースラインよりも顕著な改善が得られた。
論文参考訳（メタデータ） (2022-10-09T19:17:43Z)
Reprint: a randomized extrapolation based on principal components for data augmentation [11.449992652644577]
本稿では,不均衡なデータ分類のための,シンプルで効果的な隠れ空間データ拡張手法を提案する。各クラス内のサンプルの隠れスペース表現を与えられたREPRINTは、ランダムな方法で、ターゲットクラスの拡張例を外挿する。この方法は、拡張例のために新しい軟質ラベルを合成できるラベル改質成分を含む。
論文参考訳（メタデータ） (2022-04-26T01:38:47Z)

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。