論文の概要: Can Transformers Smell Like Humans?

• arxiv url: http://arxiv.org/abs/2411.03038v1
• Date: Tue, 05 Nov 2024 12:19:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:59:17.409980
• Title: Can Transformers Smell Like Humans?
• Title（参考訳）: トランスフォーマーは人間に似てる?
• Authors: Farzaneh Taleb, Miguel Vasco, Antônio H. Ribeiro, Mårten Björkman, Danica Kragic,
• Abstract要約: 一般的な化学構造に事前訓練されたトランスフォーマーから符号化された表現は、人間の嗅覚と高度に一致していることを示す。 また, このアライメントが嗅覚復号に関連があることが知られている臭気の物理化学的特徴とどのように関連しているかを評価する。
• 参考スコア（独自算出の注目度）: 17.14976015153551
• License:
• Abstract: The human brain encodes stimuli from the environment into representations that form a sensory perception of the world. Despite recent advances in understanding visual and auditory perception, olfactory perception remains an under-explored topic in the machine learning community due to the lack of large-scale datasets annotated with labels of human olfactory perception. In this work, we ask the question of whether pre-trained transformer models of chemical structures encode representations that are aligned with human olfactory perception, i.e., can transformers smell like humans? We demonstrate that representations encoded from transformers pre-trained on general chemical structures are highly aligned with human olfactory perception. We use multiple datasets and different types of perceptual representations to show that the representations encoded by transformer models are able to predict: (i) labels associated with odorants provided by experts; (ii) continuous ratings provided by human participants with respect to pre-defined descriptors; and (iii) similarity ratings between odorants provided by human participants. Finally, we evaluate the extent to which this alignment is associated with physicochemical features of odorants known to be relevant for olfactory decoding.
• Abstract（参考訳）: 人間の脳は環境からの刺激を、世界の感覚的な知覚を形成する表現にエンコードする。 近年の視覚的・聴覚的知覚の進歩にもかかわらず、人間の嗅覚のラベルに注釈付けされた大規模なデータセットがないため、嗅覚は機械学習コミュニティにおいて未発見のトピックであり続けている。 本研究では, 化学構造の事前学習されたトランスフォーマーモデルが, 人間の嗅覚に一致した表現を符号化するかどうか, すなわち, トランスフォーマーが人間の匂いを嗅ぐことができるのか, という疑問を提起する。 一般的な化学構造で事前訓練されたトランスフォーマーから符号化された表現は、人間の嗅覚と高度に一致していることを示す。 複数のデータセットと異なるタイプの知覚表現を使用して、トランスフォーマーモデルによって符号化された表現が予測可能であることを示す。 一 専門家の発する臭気に関するラベル 二 予め定義された記述子に関する人間による連続格付け 三 被験者が提供した臭気の類似度の評価 最後に, このアライメントが嗅覚復号に関連があることが知られている臭気の物理化学的特徴とどの程度関連しているかを評価する。

関連論文リスト

• Sniff AI: Is My 'Spicy' Your 'Spicy'? Exploring LLM's Perceptual Alignment with Human Smell Experiences [12.203995379495916]
  この研究は、嗅覚、人間の嗅覚に焦点をあてている。 筆者らは40名の被験者とともにユーザスタディを行い、AIが人間の匂いの描写をいかに解釈できるかを調べた。 その結果、レモンやペパーミントのような特定の香りに偏った知覚的アライメントが限られており、ローズマリーのような他者の識別に失敗し続けた。
  論文  参考訳（メタデータ） (2024-11-11T12:56:52Z)
• Closely Interactive Human Reconstruction with Proxemics and Physics-Guided Adaption [64.07607726562841]
  既存の人間再建アプローチは主に、正確なポーズの回復や侵入を避けることに焦点を当てている。 本研究では,モノクロ映像から密に対話的な人間を再構築する作業に取り組む。 本稿では,視覚情報の欠如を補うために,確率的行動や物理からの知識を活用することを提案する。
  論文  参考訳（メタデータ） (2024-04-17T11:55:45Z)
• Data Science In Olfaction [1.4499463058550683]
  データサイエンスとAIの観点から嗅覚を概念化し、嗅覚の特性を鼻から脳への嗅覚システムでどのように認識し分析するかを関連づける。 色覚に区別を加えることで、嗅覚は刺激の複雑さ、感覚装置の高次元性、そして地上の真実を構成するものなど、ユニークな測定課題をもたらすと論じる。 本研究は,マウス嗅球にカルシウム画像で記録された嗅覚に対する神経反応の機械学習による分類を用いて行った。
  論文  参考訳（メタデータ） (2024-04-08T13:25:02Z)
• ReGenNet: Towards Human Action-Reaction Synthesis [87.57721371471536]
  我々は、人間と人間の相互作用の非対称、動的、同期、および詳細な性質を分析する。 本研究では,人間の行動に条件付けされた人間の反応を生成するための,最初のマルチセットヒト行動反応ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:33:06Z)
• Human-Machine Cooperative Multimodal Learning Method for Cross-subject Olfactory Preference Recognition [11.566318118981453]
  嗅覚脳波(EEG)は、嗅覚と人間の嗅覚嗜好に関連する個々の特徴を含む。 E-nose and olfactory EEG multimodal learning method を提案する。
  論文  参考訳（メタデータ） (2023-11-24T11:59:11Z)
• Unsupervised Learning of Invariance Transformations [105.54048699217668]
  近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。 重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
  論文  参考訳（メタデータ） (2023-07-24T17:03:28Z)
• TransHuman: A Transformer-based Human Representation for Generalizable Neural Human Rendering [52.59454369653773]
  我々は,異なる文字の多視点ビデオから条件付き放射場(NeRF)を訓練する,一般化可能なニューラルレンダリングの課題に焦点をあてる。 以前は、SparseConvNet(SPC)ベースの人間表現を使用して、塗装されたSMPLを処理していた。 そこで,本論文では,手書きSMPLを標準空間下で学習し,人的部分間のグローバルな関係を捉える,TransHumanという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-23T10:59:51Z)
• What Makes for Good Tokenizers in Vision Transformer? [62.44987486771936]
  変圧器は自己注意を用いて対関係を抽出することができる。 優れたトークンライザとなるものは、コンピュータビジョンではよく理解されていない。 Tokens (MoTo) を横断する変調は、正規化によるトークン間モデリング機能を備えている。 TokenPropの正規化対象は、標準トレーニング体制で採用されている。
  論文  参考訳（メタデータ） (2022-12-21T15:51:43Z)
• A Symbolic Representation of Human Posture for Interpretable Learning and Reasoning [2.678461526933908]
  我々は,人間の姿勢を,より親しみやすい言葉で表現する質的空間推論手法を導入する。 本稿では,2つのレベルでのシンボル表現の導出と,その予備的利用について述べる。
  論文  参考訳（メタデータ） (2022-10-17T12:22:13Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Does the Brain Infer Invariance Transformations from Graph Symmetries? [0.0]
  知覚的変化の下での自然物体の不変性は、シナプス接続のグラフの対称性によって脳内でコード化される可能性がある。 このグラフは、生物学的に妥当なプロセスにおいて、異なる知覚的モダリティをまたいだ教師なしの学習を通じて確立することができる。
  論文  参考訳（メタデータ） (2021-11-11T12:35:13Z)

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。