Fugu-MT 論文翻訳(概要): Unified Simulation, Perception, and Generation of Human Behavior

論文の概要: Unified Simulation, Perception, and Generation of Human Behavior

arxiv url: http://arxiv.org/abs/2204.13678v1
Date: Thu, 28 Apr 2022 17:40:44 GMT
ステータス: 処理完了
システム内更新日: 2022-04-29 12:20:54.337231
Title: Unified Simulation, Perception, and Generation of Human Behavior
Title（参考訳）: 人間の行動の統一シミュレーション、知覚、および生成
Authors: Ye Yuan
Abstract要約: 我々は、人間の行動モデリングに全体論的アプローチを取り、シミュレーション、知覚、生成の3つの重要な側面に取り組む。我々は、人間の行動モデリングの次のステップについて学んだ教訓とビジョンについて論じる。
参考スコア（独自算出の注目度）: 6.2303427193075755
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Understanding and modeling human behavior is fundamental to almost any computer vision and robotics applications that involve humans. In this thesis, we take a holistic approach to human behavior modeling and tackle its three essential aspects -- simulation, perception, and generation. Throughout the thesis, we show how the three aspects are deeply connected and how utilizing and improving one aspect can greatly benefit the other aspects. We also discuss the lessons learned and our vision for what is next for human behavior modeling.
Abstract（参考訳）: 人間の行動の理解とモデリングは、人間を含むほとんどすべてのコンピュータビジョンとロボティクスアプリケーションにとって基本である。本論文では,人間の行動モデリングに総合的なアプローチを取り入れ,シミュレーション,知覚,生成という3つの本質的な側面に取り組む。論文を通して、3つの側面が深く結びついており、一方の側面の活用と改善が他方の側面に大きな利益をもたらすことを示す。また、人間の行動モデリングの次のステップについて学んだ教訓とビジョンについても論じる。

関連論文リスト

Aligning Machine and Human Visual Representations across Abstraction Levels [42.86478924838503]
深層ニューラルネットワークは、視覚タスクにおける人間の振る舞いのモデルなど、幅広いアプリケーションで成功している。しかしながら、ニューラルネットワークのトレーニングと人間の学習は基本的な方法で異なり、ニューラルネットワークは人間のように堅牢に一般化できないことが多い。人間の概念的知識は、きめ細かいものから粗いものまで階層的に構成されているが、モデル表現は、これらの抽象レベルをすべて正確に捉えているわけではない。このミスアライメントに対処するために、私たちはまず、人間の判断を模倣するために教師モデルを訓練し、その表現から事前訓練された状態に人間のような構造を移す。
論文参考訳（メタデータ） (2024-09-10T13:41:08Z)
HINT: Learning Complete Human Neural Representations from Limited Viewpoints [69.76947323932107]
我々は、限られた視野角から詳細な人間のモデルを学習できるNeRFベースのアルゴリズムを提案する。その結果,数個の視角からでも完全な人間の再構築が可能となり,性能は15%以上向上した。
論文参考訳（メタデータ） (2024-05-30T05:43:09Z)
Human Simulacra: Benchmarking the Personification of Large Language Models [38.21708264569801]
大規模言語モデル(LLM)は、人間の知性の側面を忠実に模倣するシステムとして認識されている。本稿では,仮想キャラクタのライフストーリーをゼロから構築するためのフレームワークを提案する。実験により, 構築したシミュラクラは, 対象キャラクタと一致した擬人化応答を生成できることが実証された。
論文参考訳（メタデータ） (2024-02-28T09:11:14Z)
CapHuman: Capture Your Moments in Parallel Universes [60.06408546134581]
CapHumanという新しいフレームワークを紹介します。 CapHumanはアイデンティティ機能をエンコードし、それを潜在空間に整列させることを学ぶ。モデルに人間の頭部を柔軟で3D一貫性のある方法で制御させる前に、3D顔を導入する。
論文参考訳（メタデータ） (2024-02-01T14:41:59Z)
A Brain-inspired Computational Model for Human-like Concept Learning [12.737696613208632]
この研究は、スパイクニューラルネットワークに基づく概念学習のための人間のような計算モデルを開発する。多様な情報源によって引き起こされる課題と2つの概念表現の非バランスな次元性に効果的に対処することにより、この研究は人間のような概念表現を達成することに成功した。
論文参考訳（メタデータ） (2024-01-12T09:32:51Z)
Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。 Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
論文参考訳（メタデータ） (2023-10-19T17:29:17Z)
Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
論文参考訳（メタデータ） (2023-03-30T17:58:36Z)
Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文参考訳（メタデータ） (2023-03-24T13:24:41Z)
Modeling Human Behavior Part I -- Learning and Belief Approaches [0.0]
探索とフィードバックを通じて行動のモデルや方針を学ぶ手法に焦点を当てる。次世代の自律的適応システムは、主にAIエージェントと人間がチームとして一緒に働く。
論文参考訳（メタデータ） (2022-05-13T07:33:49Z)
Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。