Fugu-MT 論文翻訳(概要): Shared Visual Representations of Drawing for Communication: How do different biases affect human interpretability and intent?

論文の概要: Shared Visual Representations of Drawing for Communication: How do different biases affect human interpretability and intent?

arxiv url: http://arxiv.org/abs/2110.08203v1
Date: Fri, 15 Oct 2021 17:02:34 GMT
ステータス: 処理完了
システム内更新日: 2021-10-18 12:13:30.662183
Title: Shared Visual Representations of Drawing for Communication: How do different biases affect human interpretability and intent?
Title（参考訳）: コミュニケーションのための描画の共有視覚表現: 異なるバイアスが人間の解釈可能性と意図にどのように影響するか?
Authors: Daniela Mihai, Jonathon Hare
Abstract要約: 学習済みの強力なエンコーダネットワークと適切な帰納バイアスの組み合わせは、認識可能なスケッチを描くエージェントに繋がることを示す。スケッチによって伝達される意味的内容を自動的に分析する手法を開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an investigation into how representational losses can affect the drawings produced by artificial agents playing a communication game. Building upon recent advances, we show that a combination of powerful pretrained encoder networks, with appropriate inductive biases, can lead to agents that draw recognisable sketches, whilst still communicating well. Further, we start to develop an approach to help automatically analyse the semantic content being conveyed by a sketch and demonstrate that current approaches to inducing perceptual biases lead to a notion of objectness being a key feature despite the agent training being self-supervised.
Abstract（参考訳）: 本稿では,コミュニケーションゲームを行う人工エージェントが生成した図面に表現的損失が及ぼす影響について検討する。近年の進歩を踏まえ、適切なインダクティブバイアスを持つ強力なプリトレーニングエンコーダネットワークの組み合わせによって、認識可能なスケッチを描画するエージェントが、コミュニケーションを良好に行うことができることを示した。さらに、スケッチによって伝達される意味的内容を自動的に分析する手法を開発し、エージェントの訓練が自己管理されているにもかかわらず、知覚バイアスを誘発する現在のアプローチが、客観性の概念が重要な特徴であることを示す。

関連論文リスト

Self-Explainable Affordance Learning with Embodied Caption [63.88435741872204]
具体的キャプションを具現化したSelf-Explainable Affordance Learning (SEA)を紹介する。 SEAは、ロボットが意図を明確に表現し、説明可能な視覚言語キャプションと視覚能力学習のギャップを埋めることを可能にする。本稿では, 簡便かつ効率的な方法で, 空き地と自己説明を効果的に組み合わせた新しいモデルを提案する。
論文参考訳（メタデータ） (2024-04-08T15:22:38Z)
Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations [62.48505112245388]
エージェント相互作用の現代的表現の因果認識を詳細に検討する。近年の表現は、非因果剤の摂動に対して部分的に耐性があることが示されている。因果アノテーションを用いた潜在表現を正規化するための計量学習手法を提案する。
論文参考訳（メタデータ） (2023-12-07T18:57:03Z)
A Survey on Transferability of Adversarial Examples across Deep Neural Networks [53.04734042366312]
逆の例では、機械学習モデルを操作して誤った予測を行うことができます。敵の例の転送可能性により、ターゲットモデルの詳細な知識を回避できるブラックボックス攻撃が可能となる。本研究は, 対角移動可能性の展望を考察した。
論文参考訳（メタデータ） (2023-10-26T17:45:26Z)
Learning Intuitive Policies Using Action Features [7.260481131198059]
ネットワークアーキテクチャが意味的関係を利用する学習アルゴリズムの妥当性に与える影響について検討する。観察と行動の卓越した表現を共同で処理する注意に基づくアーキテクチャは、直感的なポリシーを学ぶ上でより良い帰納的バイアスをもたらす。
論文参考訳（メタデータ） (2022-01-29T20:54:52Z)
Emergent Graphical Conventions in a Visual Communication Game [80.79297387339614]
人間は象徴的な言語とは別にグラフィカルなスケッチと通信する。視覚コミュニケーションゲームをする2つのニューラルエージェントを介して、このような進化過程をモデル化し、シミュレートする第一歩を踏み出す。我々は,コミュニケーションと抽象的なグラフィカルな慣行を成功させるために,エージェントを共同で進化させる新しい強化学習手法を考案した。
論文参考訳（メタデータ） (2021-11-28T18:59:57Z)
Attack to Fool and Explain Deep Networks [59.97135687719244]
対人摂動における人為的意味のパターンの証拠を提供することによって、私たちは逆転する。我々の主な貢献は、その後視覚モデルを理解するためのツールに変換される、新しい実用的対人攻撃である。
論文参考訳（メタデータ） (2021-06-20T03:07:36Z)
Interpretable agent communication from scratch(with a generic visual processor emerging on the side) [29.722833768572805]
我々は、2つのディープネットをスクラッチからトレーニングし、教師なし緊急通信を通じて現実的な参照識別を行う。ほぼ解釈可能な創発的プロトコルにより、トレーニング時に見なかったオブジェクトタイプであっても、ネットがうまく通信できることが示される。以上の結果から,従来考えられていたよりも現実的な状況下での(解釈可能な)深層ネット通信の実現可能性に関する具体的な証拠が得られた。
論文参考訳（メタデータ） (2021-06-08T11:32:11Z)
Learning to Draw: Emergent Communication through Sketching [0.0]
タスクを協調的に解決するために,エージェントがコミュニケーションを学ぶ方法を示す。既存の研究は言語に重点を置いており、エージェント間で個別のトークンのシーケンスを学習された通信チャネルで送信している。我々のエージェントはディープニューラルネットワークによってパラメータ化されており、描画手順は微分可能であり、エンドツーエンドのトレーニングを可能にします。参照型コミュニケーションゲームの枠組みでは,エージェントが図面によるコミュニケーションをうまく学べるだけでなく,適切な帰納的バイアスを伴って,人間が解釈できる方法で行うことができることを示す。
論文参考訳（メタデータ） (2021-06-03T18:17:55Z)
The emergence of visual semantics through communication games [0.0]
ビジュアルセマンティクスをキャプチャする通信システムは、適切なタイプのゲームをすることで、完全に自己監督された方法で学習することができる。我々の研究は、創発的なコミュニケーション研究と自己教師型特徴学習のギャップを埋める。
論文参考訳（メタデータ） (2021-01-25T17:43:37Z)
Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文参考訳（メタデータ） (2020-12-06T20:30:26Z)

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。