Fugu-MT 論文翻訳(概要): Learning Text Styles: A Study on Transfer, Attribution, and Verification

論文の概要: Learning Text Styles: A Study on Transfer, Attribution, and Verification

arxiv url: http://arxiv.org/abs/2507.16530v1
Date: Tue, 22 Jul 2025 12:38:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-23 21:34:14.1099
Title: Learning Text Styles: A Study on Transfer, Attribution, and Verification
Title（参考訳）: テキストスタイルの学習:伝達・帰属・検証に関する研究
Authors: Zhiqiang Hu,
Abstract要約: この論文は、3つの相互接続された柱を通してテキストスタイルの計算的理解と操作を促進する。テキスト・スタイル・トランスファー (TST) は、コンテンツ保存中にスタイル特性を変更し、オーサリング・アトリビューション (AA) は、スタイリスティック・フィンガープリントによるテキストの作者を特定し、オーサリング・検証 (AV) は、2つのテキストが同一のオーサシップを共有するかどうかを決定する。
参考スコア（独自算出の注目度）: 6.350592762911064
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This thesis advances the computational understanding and manipulation of text styles through three interconnected pillars: (1) Text Style Transfer (TST), which alters stylistic properties (e.g., sentiment, formality) while preserving content; (2)Authorship Attribution (AA), identifying the author of a text via stylistic fingerprints; and (3) Authorship Verification (AV), determining whether two texts share the same authorship. We address critical challenges in these areas by leveraging parameter-efficient adaptation of large language models (LLMs), contrastive disentanglement of stylistic features, and instruction-based fine-tuning for explainable verification.
Abstract（参考訳）: 本論文は, テキストスタイルの計算的理解と操作を, 1) 文体特性(例えば, 感情, 形式性)を変えながらコンテンツを保存するテキストスタイル転送 (TST) , (2) 文体指紋によるテキストの作者識別を行う認証属性 (AA) , (3) 著者検証 (AV) の3つの柱を通じて進める。本稿では,大規模言語モデル(LLM)のパラメータ効率適応,スタイリスティックな特徴のコントラスト展開,説明可能な検証のための命令ベース微調整を活用することで,これらの領域における重要な課題に対処する。

関連論文リスト

Personalized Image Generation from an Author Writing Style [0.29998889086656577]
ニュアンスでテキストで定義された著作スタイルを説得力のある視覚表現に変換することは、ジェネレーティブAIにおける新たな課題である。本稿では,Large Language Model (LLM) への入力として Author Writing Sheets (AWS) を利用するパイプラインを提案する。我々はRedditのデータから49の著者スタイルを用いてアプローチを評価し、人間の評価者が生成した画像のスタイリスティックなマッチングと視覚的特徴を評価した。
論文参考訳（メタデータ） (2025-07-04T05:53:48Z)
VitaGlyph: Vitalizing Artistic Typography with Flexible Dual-branch Diffusion Models [53.59400446543756]
アーティスティック・タイポグラフィー(Arttic typography)は、入力文字の意味を想像可能で読みやすい方法で視覚化する技法である。そこで我々は,VitaGlyphと呼ばれる2枝のトレーニング不要な手法を導入し,幾何学的変化を制御可能な,柔軟な芸術的タイポグラフィーを実現する。
論文参考訳（メタデータ） (2024-10-02T16:48:47Z)
Text Style Transfer: An Introductory Overview [0.1534667887016089]
テキストスタイル転送(TST)は、スタイルに依存しないコンテンツを保存しながらテキストスタイルの属性を操作する自然言語生成において重要なタスクである。 TSTを対象とする属性は、丁寧さ、著者シップ、攻撃的言語の緩和、感情の修正、テキストの形式調整など、多岐にわたる可能性がある。本稿では,その課題,既存アプローチ,データセット,評価尺度,サブタスク,アプリケーションについて概説する。
論文参考訳（メタデータ） (2024-07-20T09:54:55Z)
RealCustom: Narrowing Real Text Word for Real-Time Open-Domain Text-to-Image Customization [57.86083349873154]
テキスト・ツー・イメージのカスタマイズは、与えられた被験者に対してテキスト駆動の画像を合成することを目的としている。既存の作品は擬似語パラダイム、すなわち、与えられた主題を擬似語として表現し、与えられたテキストで合成する。我々は、RealCustomを初めて、被写体の影響を関連部分のみに正確に制限することで、制御性から類似性を解き放つことを提示する。
論文参考訳（メタデータ） (2024-03-01T12:12:09Z)
Contrastive Prompts Improve Disentanglement in Text-to-Image Diffusion Models [68.47333676663312]
テキスト・ツー・イメージ・モデルにおける画像要素のアンタングル化に有効な分類器フリーガイダンスの簡単な修正法を示す。提案手法のキーとなる考え方は、最小限のトークンで異なる2つのプロンプトを持つ意図された要因を特徴づけることである。我々は,(1)オブジェクトクラスで訓練されたドメイン固有拡散モデル,(2)テキスト・画像生成のための連続的なリグライクな制御,(3)ゼロショット画像エディタの性能向上の3つのシナリオにおいて,その利点を説明する。
論文参考訳（メタデータ） (2024-02-21T03:01:17Z)
Stylized Data-to-Text Generation: A Case Study in the E-Commerce Domain [53.22419717434372]
本稿では,特定のスタイルに従ってコヒーレントテキストを生成することを目的とした新しいタスク,すなわちスタイル化されたデータ・テキスト生成を提案する。このタスクは、生成されたテキストのロジック、構造化されていないスタイル参照、バイアスのあるトレーニングサンプルという3つの課題のため、簡単ではない。本稿では,論理計画型データ埋め込み,マスク型スタイル埋め込み,非バイアス型スタイリングテキスト生成の3つのコンポーネントからなる,新しいスタイル付きデータ・テキスト生成モデルであるStyleD2Tを提案する。
論文参考訳（メタデータ） (2023-05-05T03:02:41Z)
Toward Understanding WordArt: Corner-Guided Transformer for Scene Text Recognition [63.6608759501803]
我々は芸術的テキストを3つのレベルで認識することを提案する。コーナーポイントは、文字内の局所的な特徴の抽出を誘導するために用いられる。第二に、文字レベルの特徴をモデル化するために文字の対照的な損失を設計し、文字分類のための特徴表現を改善する。第3に,Transformerを用いて画像レベルのグローバルな特徴を学習し,コーナーポイントのグローバルな関係をモデル化する。
論文参考訳（メタデータ） (2022-07-31T14:11:05Z)
Text is Text, No Matter What: Unifying Text Recognition using Knowledge Distillation [41.43280922432707]
私たちは、2つの最先端のSTRモデルとHTRモデルと好適に競合できる単一のモデルを目指しています。まず、STRモデルとHTRモデルの相互利用が、それらの固有の課題の違いにより、大幅な性能低下を引き起こすことを示す。次に、知識蒸留(KD)に基づく枠組みを導入することで、彼らの連合に取り組みます。
論文参考訳（メタデータ） (2021-07-26T10:10:34Z)
StylePTB: A Compositional Benchmark for Fine-grained Controllable Text Style Transfer [90.6768813620898]
スタイル転送は、ソース文定数からコアの意味を維持しながら、ターゲットのスタイル変更を伴うテキストを制御的に生成することを目的としています。テキストの原子語彙,構文,セマンティック,セマンティックトランスファーにまたがる21のきめ細かなスタイリスティックな文を含む大規模ベンチマークであるStylePTBを導入する。 StylePTBの既存のメソッドは、細かい変更をモデル化するのに苦労し、複数のスタイルを構成するのにさらに困難です。
論文参考訳（メタデータ） (2021-04-12T04:25:09Z)

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。