論文の概要: Quantifying and extending the coverage of spatial categorization data sets

• arxiv url: http://arxiv.org/abs/2603.09373v1
• Date: Tue, 10 Mar 2026 08:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.169938
• Title: Quantifying and extending the coverage of spatial categorization data sets
• Title（参考訳）: 空間分類データセットの定量化と拡張
• Authors: Wanchun Li, Alexandra Carstensen, Yang Xu, Terry Regier, Charles Kemp,
• Abstract要約: 大規模言語モデル(LLM)によって生成されたラベルは,人間のラベルと比較的よく一致していることを示す。 LLM生成ラベルは,既存の空間データセットにどのシーンや言語を追加するかを決定するのにどう役立つかを示す。
• 参考スコア（独自算出の注目度）: 43.20312632298127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variation in spatial categorization across languages is often studied by eliciting human labels for the relations depicted in a set of scenes known as the Topological Relations Picture Series (TRPS). We demonstrate that labels generated by large language models (LLMs) align relatively well with human labels, and show how LLM-generated labels can help to decide which scenes and languages to add to existing spatial data sets. To illustrate our approach we extend the TRPS by adding 42 new scenes, and show that this extension achieves better coverage of the space of possible scenes than two previous extensions of the TRPS. Our results provide a foundation for scaling towards spatial data sets with dozens of languages and hundreds of scenes.
• Abstract（参考訳）: 言語間の空間分類のバリエーションは、トポロジカル・リレーショナル・ピクチャー・シリーズ(TRPS)として知られる一連の場面で描写される関係について、人間ラベルを付与することでしばしば研究される。 大規模言語モデル(LLM)によって生成されたラベルは,人間のラベルと比較的よく一致していることを示し,LLM生成ラベルが既存の空間データセットに追加するシーンや言語を決定するのにどのように役立つかを示す。 アプローチを説明するために,42の新たなシーンを追加してTRPSを拡張した。 我々の結果は、数十の言語と数百のシーンからなる空間データセットにスケールするための基盤を提供する。

関連論文リスト

• Universal Cross-Lingual Text Classification [0.3958317527488535]
  本研究は,言語横断テキスト分類における新たな視点を提案する。 我々のアプローチは、訓練中に異なる言語からの教師付きデータをブレンドして普遍的なモデルを作成することである。 主な目標は、ラベルと言語カバレッジを強化することであり、様々な言語のラベルの結合を表すラベルセットを目指している。
  論文  参考訳（メタデータ） (2024-06-16T17:58:29Z)
• Bridging Vision and Language Spaces with Assignment Prediction [47.04855334955006]
  VLAPは、事前訓練された視覚モデルと大規模言語モデル(LLM)を橋渡しする新しいアプローチである 2つのモダリティ埋め込み空間を橋渡しするために、確立された単語埋め込みを利用する。 VLAPは、以前の線形変換ベースのアプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-04-15T10:04:15Z)
• SPACE-IDEAS: A Dataset for Salient Information Detection in Space Innovation [0.3017070810884304]
  本研究では,空間領域に関連するイノベーションのアイデアから情報を検出するためのデータセットであるSPACE-IDEASを紹介する。 SPACE-IDEASのテキストは大きく異なり、非公式、技術的、学術的、ビジネス指向の書き込みスタイルを含んでいる。 手動でアノテートしたデータセットに加えて、大きな生成言語モデルを使ってアノテートされた拡張バージョンをリリースします。
  論文  参考訳（メタデータ） (2024-03-25T17:04:02Z)
• CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion [83.30168660888913]
  シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。 パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。 生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
  論文  参考訳（メタデータ） (2023-05-25T17:39:13Z)
• Towards Robust and Semantically Organised Latent Representations for Unsupervised Text Style Transfer [6.467090475885798]
  この摂動モデルを完成させるEPAAE(Perturbed Adrial AutoEncoders)を導入する。 これは、(a)スタイル的に類似した文をまとめるより優れた組織化された潜在空間を生み出すことを実証的に示す。 また、テキストスタイルの転送タスクをNLIデータセットに拡張し、これらのより複雑なスタイル定義がEPAAEによって最もよく学習されていることを示す。
  論文  参考訳（メタデータ） (2022-05-04T20:04:24Z)
• PhraseCut: Language-based Image Segmentation in the Wild [62.643450401286]
  自然言語のフレーズを与えられた画像領域を分割する問題について考察する。 私たちのデータセットは、Visual Genomeデータセットの上に収集されます。 我々の実験は、我々のデータセットにおける概念のスケールと多様性が、既存の最先端技術に重大な課題をもたらすことを示している。
  論文  参考訳（メタデータ） (2020-08-03T20:58:53Z)

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。