論文の概要: LuxVeri at GenAI Detection Task 3: Cross-Domain Detection of AI-Generated Text Using Inverse Perplexity-Weighted Ensemble of Fine-Tuned Transformer Models

• arxiv url: http://arxiv.org/abs/2501.11918v1
• Date: Tue, 21 Jan 2025 06:46:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:25:42.642475
• Title: LuxVeri at GenAI Detection Task 3: Cross-Domain Detection of AI-Generated Text Using Inverse Perplexity-Weighted Ensemble of Fine-Tuned Transformer Models
• Title（参考訳）: LuxVeri at GenAI Detection Task 3: Inverse Perplexity-Weighted Ensemble of Fine-Tuned Transformer Models
• Authors: Md Kamrujjaman Mobin, Md Saiful Islam,
• Abstract要約: 逆パープレキシティ重み付けにより強化された微調整変圧器モデルのアンサンブルを提案し、多様なテキスト領域の分類精度を向上させる。 本研究は,非逆方向および逆方向のMGT検出において,逆パープレキシティに基づく重み付けが一般化と性能の向上に有効であることを示す。
• 参考スコア（独自算出の注目度）: 0.8495482945981923
• License:
• Abstract: This paper presents our approach for Task 3 of the GenAI content detection workshop at COLING-2025, focusing on Cross-Domain Machine-Generated Text (MGT) Detection. We propose an ensemble of fine-tuned transformer models, enhanced by inverse perplexity weighting, to improve classification accuracy across diverse text domains. For Subtask A (Non-Adversarial MGT Detection), we combined a fine-tuned RoBERTa-base model with an OpenAI detector-integrated RoBERTa-base model, achieving an aggregate TPR score of 0.826, ranking 10th out of 23 detectors. In Subtask B (Adversarial MGT Detection), our fine-tuned RoBERTa-base model achieved a TPR score of 0.801, securing 8th out of 22 detectors. Our results demonstrate the effectiveness of inverse perplexity-based weighting for enhancing generalization and performance in both non-adversarial and adversarial MGT detection, highlighting the potential for transformer models in cross-domain AI-generated content detection.
• Abstract（参考訳）: 本稿では,Coling-2025におけるGenAIコンテンツ検出ワークショップのタスク3について,MGT(クロスドメイン・マシン・ジェネレーション・テキスト)検出に着目して提案する。 逆パープレキシティ重み付けにより強化された微調整変圧器モデルのアンサンブルを提案し、多様なテキスト領域の分類精度を向上させる。 サブタスクA(Non-Adversarial MGT Detection)では、細調整されたRoBERTaベースモデルとOpenAI検出器統合RoBERTaベースモデルを組み合わせ、TPRスコアの0.826を達成し、23検出器中10位にランク付けした。 In Subtask B (Adversarial MGT Detection), our fine-tuned RoBERTa-base model achieved a TPR score of 0.801。 本研究は,逆パープレキシティに基づく重み付けの有効性を示し,非逆方向および逆方向のMGT検出における一般化と性能の向上を図り,クロスドメインAI生成コンテンツ検出におけるトランスフォーマモデルの可能性を強調した。

関連論文リスト

• Progressive Multi-Level Alignments for Semi-Supervised Domain Adaptation SAR Target Recognition Using Simulated Data [3.1951121258423334]
  我々は、ソースドメインインスタンスを対応するプロトタイプに近づけるために、インスタンス-プロトタイプアライメント(AIPA)戦略を開発する。 また、ソースドメインインスタンスを対応するプロトタイプに近づけるための、インスタンス-プロトタイプアライメント(AIPA)戦略も開発しています。
  論文  参考訳（メタデータ） (2024-11-07T13:53:13Z)
• S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
  外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。 本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T11:40:49Z)
• Stacking the Odds: Transformer-Based Ensemble for AI-Generated Text Detection [3.2047868962340327]
  我々は、AI生成テキスト検出のタスクにトランスフォーマーの積み重ねアンサンブルを使用する。 その結果,個々のモデルを用いた場合と比較して精度が向上していることが判明した。
  論文  参考訳（メタデータ） (2023-10-29T05:28:44Z)
• A Dual Attentive Generative Adversarial Network for Remote Sensing Image Change Detection [6.906936669510404]
  本稿では,高分解能なリモートセンシング画像変化検出タスクを実現するために,二重注意生成対向ネットワークを提案する。 DAGANフレームワークは、85.01%がIoU、91.48%がF1スコアであり、LEVIRデータセットの先進的な手法よりもパフォーマンスが良い。
  論文  参考訳（メタデータ） (2023-10-03T08:26:27Z)
• Transformer-based approaches to Sentiment Detection [55.41644538483948]
  テキスト分類のための4種類の最先端変圧器モデルの性能について検討した。 RoBERTa変換モデルは82.6%のスコアでテストデータセット上で最高のパフォーマンスを示し、品質予測に非常に推奨されている。
  論文  参考訳（メタデータ） (2023-03-13T17:12:03Z)
• RelationTrack: Relation-aware Multiple Object Tracking with Decoupled Representation [3.356734463419838]
  既存のオンラインマルチオブジェクトトラッキング(MOT)アルゴリズムは、しばしば2つのサブタスク、検出および再識別(ReID)で構成されています。 推論速度を高め、複雑さを減らすために、現在のメソッドは一般的にこれらの二重サブタスクを統一されたフレームワークに統合します。 学習した表現を検出特異的およびReID固有の埋め込みに分離するGlobal Context Disentangling(GCD)というモジュールを考案した。 この制約を解決するために,トランスコーダの強力な推論能力と変形可能な注意を組み合わせることで,誘導トランス(gte)と呼ばれるモジュールを開発した。
  論文  参考訳（メタデータ） (2021-05-10T13:00:40Z)
• Visual Saliency Transformer [127.33678448761599]
  RGBとRGB-Dの液状物体検出(SOD)のための、純粋な変圧器であるVST(Visual Saliency Transformer)に基づく新しい統一モデルを開発しました。 イメージパッチを入力として取り、トランスフォーマーを利用してイメージパッチ間のグローバルコンテキストを伝搬する。 実験結果から,RGBとRGB-D SODのベンチマークデータセットにおいて,本モデルが既存の最新結果を上回っていることが示された。
  論文  参考訳（メタデータ） (2021-04-25T08:24:06Z)
• Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
  この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。 提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
  論文  参考訳（メタデータ） (2021-03-23T19:45:26Z)
• COVID-19 Classification Using Staked Ensembles: A Comprehensive Analysis [0.0]
  新型コロナウイルスは大量死亡率で増加し、WHOはパンデミックと宣言した。 効率的かつ迅速な診断が不可欠である。 逆転写ポリメラーゼ鎖反応(RTPCR)テストを行い、SARS-CoV-2の存在を検出する。 代わりに胸部CT(または胸部X線)を高速かつ正確な診断に用いることができる。
  論文  参考訳（メタデータ） (2020-10-07T07:43:57Z)
• From Sound Representation to Model Robustness [82.21746840893658]
  本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:30:49Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。