論文の概要: Aspect-Based Few-Shot Learning

• arxiv url: http://arxiv.org/abs/2412.16202v1
• Date: Tue, 17 Dec 2024 01:05:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 19:21:41.445605
• Title: Aspect-Based Few-Shot Learning
• Title（参考訳）: アスペクトベースFew-Shot学習
• Authors: Tim van Engeland, Lu Yin, Vlado Menkovski,
• Abstract要約: アスペクトの概念を導入することで、少数ショット学習の定式化を一般化する。 本手法は,幾何形状とスプライトのデータセット上で,数ショット学習のためのアスペクトを形成,使用することが可能であることを実証する。
• 参考スコア（独自算出の注目度）: 5.373967658884675
• License:
• Abstract: We generalize the formulation of few-shot learning by introducing the concept of an aspect. In the traditional formulation of few-shot learning, there is an underlying assumption that a single "true" label defines the content of each data point. This label serves as a basis for the comparison between the query object and the objects in the support set. However, when a human expert is asked to execute the same task without a predefined set of labels, they typically consider the rest of the data points in the support set as context. This context specifies the level of abstraction and the aspect from which the comparison can be made. In this work, we introduce a novel architecture and training procedure that develops a context given the query and support set and implements aspect-based few-shot learning that is not limited to a predetermined set of classes. We demonstrate that our method is capable of forming and using an aspect for few-shot learning on the Geometric Shapes and Sprites dataset. The results validate the feasibility of our approach compared to traditional few-shot learning.
• Abstract（参考訳）: アスペクトの概念を導入することで、少数ショット学習の定式化を一般化する。 従来の数発学習の定式化では、単一の「真の」ラベルが各データポイントの内容を定義するという前提がある。 このラベルは、クエリオブジェクトとサポートセット内のオブジェクトの比較の基盤となる。 しかしながら、事前に定義されたラベルのセットなしで人間の専門家が同じタスクを実行するように要求されると、サポートセットの残りのデータポイントをコンテキストとして考えるのが一般的である。 この文脈は、抽象化のレベルと、比較が可能である側面を定義します。 本研究では,クエリとサポートセットが与えられたコンテキストを設計し,所定のクラスに制限されないアスペクトベースの少数ショット学習を実装する,新しいアーキテクチャとトレーニング手順を提案する。 本手法は,幾何形状とスプライトのデータセット上で,数ショット学習のためのアスペクトを形成,使用することが可能であることを実証する。 その結果,従来の数発学習と比較して,本手法の有効性が検証された。

関連論文リスト

• Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
  我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。 本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
  論文  参考訳（メタデータ） (2022-05-30T17:50:59Z)
• The Weak Supervision Landscape [5.186945902380689]
  弱い監督設定を分類する枠組みを提案する。 我々は、弱い監督を特徴付ける重要な要素を特定し、既存のアプローチのほとんどを分類する一連の次元を考案する。 文献における一般的な設定がフレームワークにどのように適合するかを示し、実際に使用可能な使用法について議論する。
  論文  参考訳（メタデータ） (2022-03-30T13:19:43Z)
• Fine-Grained Visual Entailment [51.66881737644983]
  そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。 従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。 本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-29T16:09:38Z)
• One-shot Learning with Absolute Generalization [23.77607345586489]
  我々は、どのようなデータセットがワンショット学習をサポートするかを説明するために、一連の定義を提案する。 これらの定義に基づき、絶対一般化可能な分類器を構築する方法を提案した。 実験により,提案手法は単発学習データセットと人工データセットのベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-05-28T02:52:52Z)
• Few-shot Intent Classification and Slot Filling with Retrieved Examples [30.45269507626138]
  そこで我々は,新しいバッチソフトマックスの手法を用いて,同じラベルを持つスパンの類似した文脈表現を学習するスパンレベル検索手法を提案する。 提案手法は,CLINCおよびSNIPSベンチマークにおいて,様々な数ショット設定で過去のシステムより優れていた。
  論文  参考訳（メタデータ） (2021-04-12T18:50:34Z)
• Flexible Few-Shot Learning with Contextual Similarity [33.6420962942815]
  タスクコンテキストに応じて例間の類似性がエピソードごとに変化するような現実的な設定を考える。 この柔軟な数ショットシナリオのための新しいベンチマークデータセットを定義します。 私たちのアプローチは、新しい柔軟な数ショット学習ベンチマークで強く機能します。
  論文  参考訳（メタデータ） (2020-12-10T18:58:02Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• A Few-Shot Sequential Approach for Object Counting [63.82757025821265]
  画像中のオブジェクトに逐次出席するクラスアテンション機構を導入し,それらの特徴を抽出する。 提案手法は点レベルのアノテーションに基づいて訓練され,モデルのクラス依存的・クラス依存的側面を乱す新しい損失関数を用いる。 本稿では,FSODやMS COCOなど,さまざまなオブジェクトカウント/検出データセットについて報告する。
  論文  参考訳（メタデータ） (2020-07-03T18:23:39Z)
• Learning to Compare Relation: Semantic Alignment for Few-Shot Learning [48.463122399494175]
  本稿では,コンテンツアライメントに頑健な関係を比較するための新しいセマンティックアライメントモデルを提案する。 数ショットの学習データセットについて広範な実験を行う。
  論文  参考訳（メタデータ） (2020-02-29T08:37:02Z)

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。