Fugu-MT 論文翻訳(概要): Top-P Masking for Cross Language Information Retrieval

論文の概要: Top-P Masking for Cross Language Information Retrieval

arxiv url: http://arxiv.org/abs/2510.19758v1
Date: Wed, 22 Oct 2025 16:47:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 03:08:16.150893
Title: Top-P Masking for Cross Language Information Retrieval
Title（参考訳）: クロスランゲージ情報検索のためのトップPマスキング
Authors: Joseph Casale, Andrew Silverschotz, Joseph DeSimone,
Abstract要約: 情報検索タスクにおけるスパース表現を促進するためにTop-P Dynamic Maskingを提案する。具体的には,クロス言語情報検索(CLIR)分野における手法の評価を行う。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Top-K masking schemes have been proposed as a method to promote sparse representations in Information Retrieval (IR) tasks, as a simple alternative to Floating Point Operations per Second (FLOPS) regularization. Algorithms such as Bilingual Lexical and Document Expansion Model (BLADE), adopt this approach as a post-processing stage. We propose using Top-P Dynamic Masking similar to Nucleus Sampling in Large Language Models, and demonstrate better performance than Top-K masking. Specifically, we evaluate our methods in the domain of Cross Language Information Retrieval (CLIR)
Abstract（参考訳）: 秒間浮動小数点演算(FLOPS)の単純な代替として、情報検索(IR)タスクにおけるスパース表現を促進する手法としてトップKマスキングスキームが提案されている。 Bilingual Lexical and Document Expansion Model (BLADE)のようなアルゴリズムは、この手法を後処理の段階として採用している。大規模言語モデルにおけるNucleus Smplingに類似したTop-P動的マスキングを提案し,Top-Kマスキングよりも優れた性能を示す。具体的には,クロス言語情報検索(CLIR)分野における手法の評価を行う。

関連論文リスト

Seeing What Matters: Empowering CLIP with Patch Generation-to-Selection [54.21851618853518]
本稿では,CLIPのトレーニング効率を高めるために,パッチ生成と選択という簡潔で効果的なアプローチを提案する。私たちのアプローチであるCLIP-PGSは、ゼロショット分類と検索タスクにおいて、新しい最先端結果を設定する。
論文参考訳（メタデータ） (2025-03-21T12:10:38Z)
Adapting Vision-Language Model with Fine-grained Semantics for Open-Vocabulary Segmentation [42.020470627552136]
オープン語彙のセグメンテーションは、主にマスク生成ではなく、マスク分類によってボトルネックとなる。本稿では,この制限に対処するためのFISA法を提案する。 FISAは、視覚符号化プロセスの初期に、この重要な意味情報を明示的に統合することにより、抽出した視覚的特徴をきめ細かな意味認識で強化する。
論文参考訳（メタデータ） (2024-09-24T17:50:28Z)
MaskInversion: Localized Embeddings via Optimization of Explainability Maps [49.50785637749757]
MaskInversionは、テスト時にマスクによって指定されたクエリ画像領域に対するコンテキスト認識の埋め込みを生成する。オープン語彙のクラス検索、表現理解の参照、局所的なキャプションや画像生成など、幅広いタスクに使用することができる。
論文参考訳（メタデータ） (2024-07-29T14:21:07Z)
PosSAM: Panoptic Open-vocabulary Segment Anything [58.72494640363136]
PosSAMはオープン・ボキャブラリ・パノプティ・セグメンテーション・モデルであり、Segment Anything Model(SAM)の強みを、エンドツーエンドのフレームワークで視覚ネイティブのCLIPモデルと統合する。本稿では,マスクの質を適応的に向上し,各画像の推論中にオープン語彙分類の性能を高めるマスク対応選択組立アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-03-14T17:55:03Z)
Iterative Mask Filling: An Effective Text Augmentation Method Using Masked Language Modeling [0.0]
本稿では,変換器を用いたBERTモデルのフィル・マスク機能を利用した新しいテキスト拡張手法を提案する。本手法では,文中の単語を反復的にマスキングし,言語モデル予測に置き換える。実験の結果,提案手法は,特にトピック分類データセットにおいて,性能を著しく向上させることがわかった。
論文参考訳（メタデータ） (2024-01-03T16:47:13Z)
DFormer: Diffusion-guided Transformer for Universal Image Segmentation [86.73405604947459]
提案したDFormerは,拡散モデルを用いて画像分割タスクをデノナイズプロセスとみなしている。我々のDFormerは、ランダムに生成されたマスクの集合から、マスクとそれに対応するカテゴリを直接予測します。我々のDFormerは、最近の拡散型汎光学分割法Pix2Seq-Dより優れており、MS COCO val 2017セットで3.6%向上している。
論文参考訳（メタデータ） (2023-06-06T06:33:32Z)
Retrieval Oriented Masking Pre-training Language Model for Dense Passage Retrieval [16.592276887533714]
Masked Language Modeling (MLM) は、事前学習プロセスの主要なサブタスクである。従来のランダムマスキング戦略は、パス検索タスクに制限のある多数のトークンを選択する傾向にある。本稿では,より重要なトークンがマスクアウトされる確率の高い検索指向マスキング(ROM)戦略を提案する。
論文参考訳（メタデータ） (2022-10-27T02:43:48Z)
InforMask: Unsupervised Informative Masking for Language Model Pretraining [13.177839395411858]
マスク付き言語モデルのトレーニングのための新しい教師なしマスキング戦略を提案する。 InforMaskはポイントワイド・ミューチュアル・インフォメーション(PMI)を利用して、マスクする最も情報性の高いトークンを選択する。
論文参考訳（メタデータ） (2022-10-21T07:10:56Z)
Masking as an Efficient Alternative to Finetuning for Pretrained Language Models [49.64561153284428]
我々は、微調整によって修正する代わりに、事前訓練された重量に対する選択的な二乗マスクを学習する。内在的評価では、マスキング言語モデルによって計算された表現が、下流タスクの解決に必要な情報を符号化していることを示す。
論文参考訳（メタデータ） (2020-04-26T15:03:47Z)

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。