論文の概要: Spatial Attention and Syntax Rule Enhanced Tree Decoder for Offine
Handwritten Mathematical Expression Recognition
- arxiv url: http://arxiv.org/abs/2303.07077v1
- Date: Mon, 13 Mar 2023 12:59:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 15:10:27.281705
- Title: Spatial Attention and Syntax Rule Enhanced Tree Decoder for Offine
Handwritten Mathematical Expression Recognition
- Title（参考訳）: オフライン手書き数式認識のための空間的注意と構文規則強化木デコーダ
- Authors: Zihao Lin, Jinrong Li, Fan Yang, Shuangping Huang, Xu Yang, Jianmin
Lin and Ming Yang
- Abstract要約: SS-TD(Spatial Attention and Syntax Rule Enhanced Tree Decoder)と呼ばれる新しいモデルを提案する。
我々のモデルは木構造を効果的に記述し、出力表現の精度を高めることができる。
実験により、SS-TDはCROHME 14/16/19データセットの以前のモデルよりも優れた認識性能が得られることが示された。
- 参考スコア（独自算出の注目度）: 12.656673677551778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Offline Handwritten Mathematical Expression Recognition (HMER) has been
dramatically advanced recently by employing tree decoders as part of the
encoder-decoder method. Despite the tree decoder-based methods regard the
expressions as a tree and parse 2D spatial structure to the tree nodes
sequence, the performance of existing works is still poor due to the inevitable
tree nodes prediction errors. Besides, they lack syntax rules to regulate the
output of expressions. In this paper, we propose a novel model called Spatial
Attention and Syntax Rule Enhanced Tree Decoder (SS-TD), which is equipped with
spatial attention mechanism to alleviate the prediction error of tree structure
and use syntax masks (obtained from the transformation of syntax rules) to
constrain the occurrence of ungrammatical mathematical expression. In this way,
our model can effectively describe tree structure and increase the accuracy of
output expression. Experiments show that SS-TD achieves better recognition
performance than prior models on CROHME 14/16/19 datasets, demonstrating the
effectiveness of our model.
- Abstract（参考訳）: 木デコーダをエンコーダ-デコーダ法の一部として使用することにより, オフライン手書き数式認識(HMER)が劇的に進歩した。
ツリーデコーダに基づく手法では、式を木と見なし、2d空間構造を木ノードシーケンスにパースするが、既然的な木ノード予測エラーのため、既存の作業のパフォーマンスは低いままである。
さらに、表現の出力を制御するための構文ルールが欠けている。
本稿では,木構造の予測誤差を緩和する空間注意機構と,文法規則の変換から得られる構文マスクを用いて,非文法的な数学的表現の発生を抑制することを目的とした,空間意識・構文規則強化木デコーダ (SS-TD) と呼ばれる新しいモデルを提案する。
このように、木構造を効果的に記述し、出力表現の精度を高めることができる。
実験により,従来のCROHME 14/16/19データセットよりもSS-TDの認識性能が向上し,本モデルの有効性が示された。
関連論文リスト
- TAMER: Tree-Aware Transformer for Handwritten Mathematical Expression Recognition [17.855238221599635]
我々は手書き数式認識のための新しいモデルTAMER(Tree-Aware Transformer)を提案する。
TAMERは、シーケンス予測とツリー構造予測を協調的に最適化することで、シーケンス復号とツリー復号モデルの両方の利点を組み合わせる。
CROHMEデータセットの実験結果は、TAMERが従来のシーケンスデコーディングモデルより優れていることを示している。
論文 参考訳（メタデータ） (2024-08-16T07:24:19Z) - A Transformer Architecture for Online Gesture Recognition of
Mathematical Expressions [0.0]
トランスフォーマーアーキテクチャは、グリフストロークに対応するオンライン手書きジェスチャーから表現木を構築するためのエンドツーエンドモデルを提供する。
注意機構は、表現の基本的な構文をエンコードし、学習し、強制するためにうまく利用された。
エンコーダは初めて、目に見えないオンラインの時間的データトークンによって、無限に大きな語彙を形成します。
論文 参考訳（メタデータ） (2022-11-04T17:55:55Z) - Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。
本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。
広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
論文 参考訳（メタデータ） (2022-10-22T12:20:36Z) - Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。
HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。
本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-03-03T09:57:19Z) - Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
本稿では,構成構文構造をグラフベースで組み込む手法を提案する。
また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。
on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
論文 参考訳（メタデータ） (2022-02-22T07:40:42Z) - A Syntax-Guided Grammatical Error Correction Model with Dependency Tree
Correction [83.14159143179269]
文法的誤り訂正(英: Grammatical Error Correction, GEC)は、文中の文法的誤りを検出し、訂正するタスクである。
本稿では,依存木の構文知識を利用するためのグラフアテンション機構を採用した構文誘導型GECモデル(SG-GEC)を提案する。
我々は、GECタスクの公開ベンチマークでモデルを評価し、競争結果を得る。
論文 参考訳（メタデータ） (2021-11-05T07:07:48Z) - Recursive Tree Grammar Autoencoders [3.791857415239352]
本稿では,木をボトムアップ文法で符号化し,木を木文法で復号する,新しいオートエンコーダ手法を提案する。
提案手法は, 4つのベンチマークデータセットにおいて, 自動符号化誤差, トレーニング時間, 最適化スコアを改善することを実験的に示す。
論文 参考訳（メタデータ） (2020-12-03T17:37:25Z) - Recursive Top-Down Production for Sentence Generation with Latent Trees [77.56794870399288]
自然および合成言語に対する文脈自由文法の生成特性をモデル化する。
潜伏二分木構造にN$の葉を持つ動的プログラミングアルゴリズムを提案する。
また,Multi30kデータセットを用いたドイツ語と英語の翻訳実験を行った。
論文 参考訳（メタデータ） (2020-10-09T17:47:16Z) - Transformer-Based Neural Text Generation with Syntactic Guidance [0.0]
テキスト生成の統語指導として(部分的)選挙区構文解析木を用いた場合の問題点について検討する。
提案手法は,まず部分的テンプレート構文解析木を入力元テキストに適した完全分岐構文解析木に拡張する。
本手法は意味論的・統語論的にSOTAモデルより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-05T01:33:58Z) - Tree-structured Attention with Hierarchical Accumulation [103.47584968330325]
階層的累積」は解析木構造を一定時間複雑度で自己注意に符号化する。
提案手法は,4つの IWSLT 翻訳タスクと WMT'14 翻訳タスクにおいて,SOTA 法より優れている。
論文 参考訳（メタデータ） (2020-02-19T08:17:00Z)
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。