論文の概要: Everybody Likes to Sleep: A Computer-Assisted Comparison of Object Naming Data from 30 Languages

• arxiv url: http://arxiv.org/abs/2501.08312v1
• Date: Tue, 14 Jan 2025 18:50:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:25:32.694706
• Title: Everybody Likes to Sleep: A Computer-Assisted Comparison of Object Naming Data from 30 Languages
• Title（参考訳）: 誰もが眠りたい:30の言語から得られるオブジェクトの命名データの比較
• Authors: Alžběta Kučerová, Johann-Mattis List,
• Abstract要約: オブジェクト命名データセットは、人間が周囲のオブジェクトにどのようにアクセスし、選択するかについての洞察を得るために使用される。 本研究は,多言語・コンピュータ支援手法を用いて,現在のオブジェクトの命名データを透過的かつ同等にすることを試みる。 本研究は,言語横断的オブジェクト命名研究の基盤となる。
• 参考スコア（独自算出の注目度）: 1.3351610617039973
• License:
• Abstract: Object naming - the act of identifying an object with a word or a phrase - is a fundamental skill in interpersonal communication, relevant to many disciplines, such as psycholinguistics, cognitive linguistics, or language and vision research. Object naming datasets, which consist of concept lists with picture pairings, are used to gain insights into how humans access and select names for objects in their surroundings and to study the cognitive processes involved in converting visual stimuli into semantic concepts. Unfortunately, object naming datasets often lack transparency and have a highly idiosyncratic structure. Our study tries to make current object naming data transparent and comparable by using a multilingual, computer-assisted approach that links individual items of object naming lists to unified concepts. Our current sample links 17 object naming datasets that cover 30 languages from 10 different language families. We illustrate how the comparative dataset can be explored by searching for concepts that recur across the majority of datasets and comparing the conceptual spaces of covered object naming datasets with classical basic vocabulary lists from historical linguistics and linguistic typology. Our findings can serve as a basis for enhancing cross-linguistic object naming research and as a guideline for future studies dealing with object naming tasks.
• Abstract（参考訳）: オブジェクトの命名(オブジェクトの命名、オブジェクトを単語やフレーズで識別する行為)は、心理言語学、認知言語学、言語や視覚研究などの多くの分野に関連する、対人コミュニケーションの基本的なスキルである。 オブジェクト命名データセットは、概念リストと絵のペアリングから構成されており、人間が周囲のオブジェクトにどのようにアクセスし、選択するかについての洞察を得るのに使われ、視覚刺激を意味的な概念に変換するのにかかわる認知過程を研究するのに使用される。 残念なことに、オブジェクトの命名データセットは透過性を欠き、非常に慣用的な構造を持つことが多い。 本研究は、オブジェクト名リストの各項目を統一概念にリンクする多言語コンピュータ支援アプローチを用いて、現在のオブジェクト名データを透過的かつ同等にすることを試みる。 現在のサンプルでは、10の異なる言語ファミリーから30言語をカバーする17のオブジェクト命名データセットをリンクしています。 比較データセットは,ほとんどのデータセットに再帰する概念を探索し,対象名データセットの概念空間を,歴史的言語学や言語学の古典的基本語彙リストと比較することによって,どのように探索することができるかを説明する。 本研究は、言語横断的オブジェクト命名研究の基盤となるとともに、オブジェクト命名タスクに関する今後の研究の指針となる。

関連論文リスト

• Tuning-less Object Naming with a Foundation Model [0.0]
  我々は、一度も見つからない名前付きエンティティの集合を学習できるリアルタイムオブジェクト命名システムを実装した。 私たちの貢献は、トランスフォーマーから知られている関連メカニズムを注目することです。 結果として、システムはワンショットで動作し、異なる内容で命名されたオブジェクトを正しく名付けることができる。
  論文  参考訳（メタデータ） (2023-11-03T09:11:49Z)
• DetermiNet: A Large-Scale Diagnostic Dataset for Complex Visually-Grounded Referencing using Determiners [5.256237513030104]
  DetermiNetデータセットは25の判定値に基づいて25万の合成画像とキャプションで構成されている。 タスクは、与えられた決定子のセマンティクスによって制約された関心の対象を特定するために、バウンディングボックスを予測することである。 現在の最先端のビジュアルグラウンドモデルでは、データセットではうまく動作しないことがわかった。
  論文  参考訳（メタデータ） (2023-09-07T05:13:52Z)
• DesCo: Learning Object Recognition with Rich Language Descriptions [93.8177229428617]
  視覚言語アプローチの最近の発展は、言語指導から視覚認識モデルを学習するパラダイムシフトを引き起こしている。 本稿では,リッチ言語記述を用いたオブジェクト認識モデル学習のための記述条件付き(DesCo)パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-06-24T21:05:02Z)
• Universal Instance Perception as Object Discovery and Retrieval [90.96031157557806]
  UNIは多様なインスタンス認識タスクを統一されたオブジェクト発見・検索パラダイムに再構成する。 入力プロンプトを変更するだけで、さまざまな種類のオブジェクトを柔軟に知覚することができる。 UNIは10のインスタンスレベルのタスクから20の挑戦的なベンチマークで優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-03-12T14:28:24Z)
• DetCLIP: Dictionary-Enriched Visual-Concept Paralleled Pre-training for Open-world Detection [118.36746273425354]
  本稿では,デザインされた概念辞書から知識の豊かさを生かして,オープンワールド検出のための並列視覚概念事前学習手法を提案する。 概念をそれらの記述で豊かにすることにより、オープンドメイン学習を促進するために、さまざまな概念間の関係を明確に構築する。 提案フレームワークは、例えばLVISデータセット上で、強力なゼロショット検出性能を示し、私たちのDetCLIP-TはGLIP-Tを9.9%向上させ、レアカテゴリで13.5%改善した。
  論文  参考訳（メタデータ） (2022-09-20T02:01:01Z)
• Identifying concept libraries from language about object structure [56.83719358616503]
  自然言語記述を2Kプロシージャ生成オブジェクトの多種多様なセットに利用して,ユーザが使用する部分を特定する。 我々は、異なる部分概念を含むプログラムライブラリの空間の探索として、この問題を形式化する。 自然言語と構造化されたプログラム表現を組み合わせることで、人々が名前をつける部分概念を規定する基本的な情報理論的なトレードオフを発見する。
  論文  参考訳（メタデータ） (2022-05-11T17:49:25Z)
• ObjectFolder: A Dataset of Objects with Implicit Visual, Auditory, and Tactile Representations [52.226947570070784]
  両課題に対処する100のオブジェクトからなるデータセットであるObjectを,2つの重要なイノベーションで紹介する。 まず、オブジェクトは視覚的、聴覚的、触覚的なすべてのオブジェクトの知覚データをエンコードし、多数の多感覚オブジェクト認識タスクを可能にする。 第2に、Objectは統一されたオブジェクト中心のシミュレーションと、各オブジェクトの視覚的テクスチャ、触覚的読み出し、触覚的読み出しに暗黙的な表現を採用しており、データセットの使用が柔軟で共有が容易である。
  論文  参考訳（メタデータ） (2021-09-16T14:00:59Z)
• Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
  画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。 提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-04-20T17:56:24Z)
• Object Priors for Classifying and Localizing Unseen Actions [45.91275361696107]
  本稿では,局所人物と物体検出器をその空間的関係とともに符号化する3つの空間的対象先行法を提案する。 上述の3つのセマンティックオブジェクトプリエントを導入し、単語の埋め込みを通じてセマンティックマッチングを拡張する。 ビデオ埋め込みは、空間オブジェクトと意味オブジェクトをプリエントする。
  論文  参考訳（メタデータ） (2021-04-10T08:56:58Z)

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。