Fugu-MT 論文翻訳(概要): BACON: Deep-Learning Powered AI for Poetry Generation with Author Linguistic Style Transfer

論文の概要: BACON: Deep-Learning Powered AI for Poetry Generation with Author Linguistic Style Transfer

arxiv url: http://arxiv.org/abs/2112.11483v1
Date: Tue, 14 Dec 2021 00:08:36 GMT
ステータス: 処理完了
システム内更新日: 2021-12-26 14:40:06.849109
Title: BACON: Deep-Learning Powered AI for Poetry Generation with Author Linguistic Style Transfer
Title（参考訳）: BACON:著者の言語的スタイルの転送による詩生成のためのディープラーニングパワードAI
Authors: Alejandro Rodriguez Pascual
Abstract要約: 本稿では,BACONについて述べる。BACONは,著者の言語スタイルを伝達する自動詩生成器のプロトタイプである。有限状態機械、確率モデル、人工ニューラルネットワーク、深層学習の概念と技法を組み合わせて、任意の著者のスタイルで豊かな美的品質でオリジナルの詩を書く。
参考スコア（独自算出の注目度）: 91.3755431537592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes BACON, a basic prototype of an automatic poetry generator with author linguistic style transfer. It combines concepts and techniques from finite state machinery, probabilistic models, artificial neural networks and deep learning, to write original poetry with rich aesthetic-qualities in the style of any given author. Extrinsic evaluation of the output generated by BACON shows that participants were unable to tell the difference between human and AI-generated poems in any statistically significant way.
Abstract（参考訳）: 本稿では,著者の言語スタイルを伝達する自動詩生成器のプロトタイプであるベーコンについて述べる。有限状態機械、確率モデル、ニューラルネットワーク、ディープラーニングといった概念と技術を組み合わせることで、特定の著者のスタイルに豊かな美的資格を持つオリジナル詩を書くことができる。 BACONによるアウトプットの外部評価は、参加者が統計的に有意な方法で人間とAIが生成した詩の違いを判断できないことを示している。

関連論文リスト

StyleSpeech: Self-supervised Style Enhancing with VQ-VAE-based Pre-training for Expressive Audiobook Speech Synthesis [63.019962126807116]
音声ブックの合成音声の表現的品質は、一般化されたモデルアーキテクチャとアンバランスなスタイル分布によって制限される。本稿では,VQ-VAEに基づく音声合成のための事前学習による自己教師付きスタイル向上手法を提案する。
論文参考訳（メタデータ） (2023-12-19T14:13:26Z)
Evaluating the Efficacy of Hybrid Deep Learning Models in Distinguishing AI-Generated Text [0.0]
私の研究は、AI生成テキストと人間の文章を正確に区別するために、最先端のハイブリッドディープラーニングモデルを使用することを調査します。さまざまなソースからAIと人文からなる慎重に選択されたデータセットを利用し、それぞれに指示をタグ付けして、堅牢な方法論を適用しました。
論文参考訳（メタデータ） (2023-11-27T06:26:53Z)
Erato: Automatizing Poetry Evaluation [6.5990719141691825]
本稿では,詩の自動評価を容易にするための枠組みであるエラトについて紹介する。エラトを用いて、人間が書いた詩と自動生成した詩とを比較し、対比する。
論文参考訳（メタデータ） (2023-10-31T10:06:37Z)
PoetryDiffusion: Towards Joint Semantic and Metrical Manipulation in Poetry Generation [58.36105306993046]
制御可能なテキスト生成は自然言語生成(NLG)において困難かつ有意義な分野である本稿では,ソネット生成のための拡散モデルと中国語のSongCi詩の創始について述べる。本モデルでは,人的評価だけでなく,意味的,計量的,総合的な性能の自動評価において,既存のモデルよりも優れる。
論文参考訳（メタデータ） (2023-06-14T11:57:31Z)
From Textual Experiments to Experimental Texts: Expressive Repetition in "Artificial Intelligence Literature" [0.0]
AI文学は、機械思考、テキスト生成、機械創造といった原始的な問題を統合している。初期の段階では、技術道と芸術思想の相互支持は失敗に終わった。
論文参考訳（メタデータ） (2022-01-07T02:44:58Z)
Prose2Poem: The Blessing of Transformers in Translating Prose to Persian Poetry [2.15242029196761]
我々は、古代ペルシア詩に散文を翻訳する新しいニューラル・マシン・トランスレーション(NMT)アプローチを導入する。我々は、初期翻訳を得るために、スクラッチからトランスフォーマーモデルを訓練し、最終翻訳を得るためにBERTの様々なバリエーションを事前訓練した。
論文参考訳（メタデータ） (2021-09-30T09:04:11Z)
Metaphor Generation with Conceptual Mappings [58.61307123799594]
我々は、関連する動詞を置き換えることで、リテラル表現を与えられた比喩文を生成することを目指している。本稿では,認知領域間の概念マッピングを符号化することで生成過程を制御することを提案する。教師なしCM-Lexモデルは,近年のディープラーニングメタファ生成システムと競合することを示す。
論文参考訳（メタデータ） (2021-06-02T15:27:05Z)
GTAE: Graph-Transformer based Auto-Encoders for Linguistic-Constrained Text Style Transfer [119.70961704127157]
近年,非並列テキストスタイルの転送が研究の関心を集めている。現在のアプローチでは、元の文の内容やロジックを保存できない。文を言語グラフとしてモデル化し,グラフレベルで特徴抽出とスタイル転送を行う,グラフトランスフォーマーベースのAuto-GTAEを提案する。
論文参考訳（メタデータ） (2021-02-01T11:08:45Z)
Artificial Intelligence versus Maya Angelou: Experimental evidence that people cannot differentiate AI-generated from human-written poetry [0.0]
自然言語生成アルゴリズム(NLG)は、多くの注目を集め、議論を呼んだ。一つの理由は、アルゴリズムが様々な領域にまたがって人間のようなテキストを生成する能力を持っているからである。我々は,現在最先端の自然言語生成アルゴリズムであるGPT-2に対する行動反応を評価する2つの実験を行った。これらの結果が人間に似たテキストを生成するためのNLGアルゴリズムの性能にどう影響するかを議論し、そのような学習アルゴリズムを人力実験環境で研究する手法を提案する。
論文参考訳（メタデータ） (2020-05-20T11:52:28Z)
PALM: Pre-training an Autoencoding&Autoregressive Language Model for Context-conditioned Generation [92.7366819044397]
自己指導型事前学習は、自然言語の理解と生成のための強力な技術として登場した。本研究は,大規模未ラベルコーパス上で自己エンコーディングと自己回帰言語モデルを共同で事前学習する新しいスキームをPALMに提示する。広範な実験により、PALMは様々な言語生成ベンチマークにおいて、新しい最先端の結果を達成することが示されている。
論文参考訳（メタデータ） (2020-04-14T06:25:36Z)

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。