Fugu-MT 論文翻訳(概要): Active Learning for Multilingual Fingerspelling Corpora

論文の概要: Active Learning for Multilingual Fingerspelling Corpora

arxiv url: http://arxiv.org/abs/2309.12443v2
Date: Thu, 13 Jun 2024 15:04:18 GMT
ステータス: 処理完了
システム内更新日: 2024-06-15 02:19:21.587967
Title: Active Learning for Multilingual Fingerspelling Corpora
Title（参考訳）: 多言語フィンガースペルコーパスのためのアクティブラーニング
Authors: Shuai Wang, Eric Nalisnick,
Abstract要約: 我々は手話におけるデータ不足問題を支援するために能動的学習を適用した。多くの手話はフランス語手話の言語的子孫であるため、手話の構成を共有している。我々はこの仮説を、アメリカ、中国、ドイツ、アイルランドの指打ちコーパスで検証する。
参考スコア（独自算出の注目度）: 6.473302497410245
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We apply active learning to help with data scarcity problems in sign languages. In particular, we perform a novel analysis of the effect of pre-training. Since many sign languages are linguistic descendants of French sign language, they share hand configurations, which pre-training can hopefully exploit. We test this hypothesis on American, Chinese, German, and Irish fingerspelling corpora. We do observe a benefit from pre-training, but this may be due to visual rather than linguistic similarities
Abstract（参考訳）: 我々は手話におけるデータ不足問題を支援するために能動的学習を適用した。特に,プレトレーニングの効果について,新しい分析を行った。多くの手話はフランス語の手話の言語的子孫であるため、手話の構成を共有しており、事前学習が活用されることが望まれる。我々はこの仮説を、アメリカ、中国、ドイツ、アイルランドの指打ちコーパスで検証する。我々は事前学習の利点を観察するが、これは言語的類似性よりも視覚的類似性によるものかもしれない

関連論文リスト

mOthello: When Do Cross-Lingual Representation Alignment and Cross-Lingual Transfer Emerge in Multilingual Models? [15.90185747024602]
本稿では,2つの質問を探索するテストベッドとして,合成タスクであるMultilingual Othello(mOthello)を提案する。多言語事前学習で訓練されたモデルは、全ての入力言語にまたがる言語ニュートラル表現を学習できないことがわかった。本稿では,言語ニュートラル表現の学習を誘導し,言語間移動を促進する多言語事前学習手法を提案する。
論文参考訳（メタデータ） (2024-04-18T18:03:08Z)
The Role of Language Imbalance in Cross-lingual Generalisation: Insights from Cloned Language Experiments [57.273662221547056]
本研究では,言語間一般化の非直感的な新規ドライバである言語不均衡について検討する。学習中に支配的な言語が存在することが、あまり頻度の低い言語の性能を高めることを観察する。分析を実言語に拡張するにつれ、頻繁な言語は依然として恩恵を受けていますが、言語不均衡が言語間の一般化を引き起こすかどうかは決定的ではありません。
論文参考訳（メタデータ） (2024-04-11T17:58:05Z)
Can Machine Translation Bridge Multilingual Pretraining and Cross-lingual Transfer Learning? [8.630930380973489]
本稿では,機械翻訳を言語表現学習の強化を目的とした継続的な学習目的として活用する可能性について検討する。この結果から,機械翻訳の継続学習が言語間表現学習の強化に失敗することが明らかとなった。言語横断シナリオにおける明示的な文レベルのアライメントは、言語間移動事前学習に有害である、と結論付けた。
論文参考訳（メタデータ） (2024-03-25T13:53:04Z)
Towards continually learning new languages [66.36852845415916]
言語のバッチ学習は経済的に有益だが、大きな課題は破滅的な忘れ方だ。我々は,破滅的忘れを抑えるために,重量分解特性と弾性重みの固化特性を組み合わせる。私たちは、すべての言語をゼロからトレーニングするのに比べ、破滅的な忘れものもなく、合理的なパフォーマンスで26の言語を達成しています。
論文参考訳（メタデータ） (2022-11-21T18:24:34Z)
Weakly-supervised Fingerspelling Recognition in British Sign Language Videos [85.61513254261523]
従来の指スペル認識法は、British Sign Language (BSL) に焦点を絞っていない従来の手法とは対照的に,本手法はトレーニング用字幕の弱いアノテーションのみを使用する。本稿では,このタスクに適応したTransformerアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-11-16T15:02:36Z)
Language Contamination Explains the Cross-lingual Capabilities of English Pretrained Models [79.38278330678965]
一般的な英語事前学習コーパスには、かなりの量の非英語テキストが含まれていることが判明した。これにより、大規模なデータセットで数十億の外国語トークンが生成される。そして、これらの少数の非英語データでさえ、それらに基づいて訓練されたモデルの言語間移動を促進することを実証する。
論文参考訳（メタデータ） (2022-04-17T23:56:54Z)
Match the Script, Adapt if Multilingual: Analyzing the Effect of Multilingual Pretraining on Cross-lingual Transferability [26.553524219316188]
事前訓練された多言語モデルは、目に見えない言語でもゼロショット学習を可能にする。事前学習中の言語に対するゼロショット学習に事前学習言語数がどのような影響を及ぼすかは明らかでない。
論文参考訳（メタデータ） (2022-03-21T06:52:38Z)
How does the pre-training objective affect what large language models learn about linguistic properties? [30.699644290131044]
BERTが言語特性について学んでいることに対して,事前学習の目的がどう影響するかを検討する。 2つの言語的動機と3つの非言語的動機を持つBERTを事前訓練した。 2つの異なる目的によって学習された表現の間には,性能の差が小さいという強い証拠がある。
論文参考訳（メタデータ） (2022-03-20T00:02:10Z)
Towards Zero-shot Language Modeling [90.80124496312274]
人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。類型的に多様な訓練言語のサンプルからこの分布を推測する。我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
論文参考訳（メタデータ） (2021-08-06T23:49:18Z)
Analysing The Impact Of Linguistic Features On Cross-Lingual Transfer [3.299672391663527]
我々は、最先端の多言語モデルを分析し、言語間の良い伝達に何が影響するかを判断する。また,特定の構文特徴を見ることは,構文的類似性の集合よりも,性能予測に2～4倍有益であることを示す。
論文参考訳（メタデータ） (2021-05-12T21:22:58Z)
Emergent Communication Pretraining for Few-Shot Machine Translation [66.48990742411033]
我々は、参照ゲームからの創発的コミュニケーションを介してニューラルネットワークを事前訓練する。私たちの重要な前提は、実世界の環境の粗悪な近似として、画像に基づくコミュニケーションを基盤にすることで、帰納的に自然言語学習のモデルに偏りが生じる、ということです。
論文参考訳（メタデータ） (2020-11-02T10:57:53Z)

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。