Fugu-MT 論文翻訳(概要): Replicating a Disjoint-Set Union Experiment over Various Notions of Micro Units to assess Translation Effort

論文の概要: Replicating a Disjoint-Set Union Experiment over Various Notions of Micro Units to assess Translation Effort

arxiv url: http://arxiv.org/abs/2609.07748v1
Date: Mon, 07 Sep 2026 16:50:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 21:08:03.134684
Title: Replicating a Disjoint-Set Union Experiment over Various Notions of Micro Units to assess Translation Effort
Title（参考訳）: マイクロユニットの様々な表記に対する解離接続実験のリプリケートによる翻訳効果の評価
Abstract要約: テキスト生成の歪みの指標として,マイクロユニット,マクロユニット間の編集手順の分布を評価するための複製実験について述べる。マイクロユニットとマクロユニットを分離するために様々な停止しきい値を調査し、プロセスベースユニットがより適している可能性があると結論づける。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The paper describes a replication experiment to assess "the distribution of editing procedures across micro and macro units as an indicator of the strain of text production". We investigate various pause thresholds to isolate Micro and Macro units and conclude that process-based units might be more suitable entity.
Abstract（参考訳）: テキスト生成の歪みの指標として,マイクロユニット,マクロユニット間の編集手順の分布を評価するための複製実験について述べる。マイクロユニットとマクロユニットを分離するために様々な停止しきい値を調査し、プロセスベースユニットがより適している可能性があると結論づける。

関連論文リスト

MAC 2026: Advancing Micro-Action Analysis Towards Fine-Grained Understanding [59.15655077579845]
Micro-Action Analysis Grand Challenge (MAC)は、マイクロアクション分析研究のための公開ベンチマークプラットフォームである。マルチモーダルな大規模言語モデルの助けを借りて評価した,微粒化マイクロアクション理解というタスクを導入する。トップパフォーマンスチームのデータセット、タスク設定、評価プロトコル、競争結果、代表的ソリューションを要約します。
論文参考訳（メタデータ） (2026-07-10T12:31:27Z)
scTranslation: A Comprehensive Benchmark for Single-Cell Multi-Omics Modality Translation [61.97613474494102]
scTranslationは、シングルセルマルチオミクスのモダリティ変換タスクの包括的なベンチマークである。多様な翻訳データセットが含まれ、最先端のモデルを統合し、包括的な評価指標を提供する。
論文参考訳（メタデータ） (2026-06-02T17:00:49Z)
Micro-Defects Expose Macro-Fakes: Detecting AI-Generated Images via Local Distributional Shifts [48.75898711300078]
生成モデルは、非常に現実的なように見えるイメージを生成することができ、実際の画像とAI生成イメージを区別する上での課題を提起する。局所分布認識検出フレームワークであるマクロフェイク(MDMF)のマイクロ欠陥をマクロレベルの分布不規則性に増幅する。提案手法は, 局所的な法医学的信号が生成画像に存在する場合, パッチワイド・モデリングにより, 明らかな相違が生じることを示す。
論文参考訳（メタデータ） (2026-05-10T03:44:09Z)
Evaluating and Correcting Human Annotation Bias in Dynamic Micro-Expression Recognition [5.491378433328092]
本稿では,グローバル・アンチモノトニック・ディファレンシャル・セレクション・ストラテジーアーキテクチャを提案する。本手法は,マイクロ圧縮の著しい変動を特徴とするオンセットフレームとApexフレームを同定する。次にこれらを使用してオフセットフレームを決定し、リッチ時間動的表現を構築する。
論文参考訳（メタデータ） (2026-03-05T03:28:51Z)
Abundance-Aware Set Transformer for Microbiome Sample Embedding [0.44198435146063353]
本研究では,固定サイズサンプルレベルの埋め込みを構築するために,Set Transformerのアブリダンス対応版を提案する。本手法は, 実世界のマイクロバイオーム分類タスクにおいて, 平均プールおよび非重み付きセットトランスフォーマーより優れる。
論文参考訳（メタデータ） (2025-08-14T21:15:53Z)
Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
論文参考訳（メタデータ） (2024-05-16T03:53:21Z)
A Modular Approach for Multimodal Summarization of TV Shows [55.20132267309382]
分離されたコンポーネントが特別なサブタスクを実行するモジュール方式を提案する。我々のモジュールは、シーン境界の検出、異なるイベント間のカット回数の最小化、視覚情報をテキストに変換すること、各シーンの対話を要約すること、シーン要約をエピソード全体の最終要約に融合することを含む。我々はまた、生成した要約の精度とリコールを計測し、原子事実に分解する新しい測度であるPRISMAを提示する。
論文参考訳（メタデータ） (2024-03-06T16:10:01Z)
MatSAM: Efficient Extraction of Microstructures of Materials via Visual Large Model [11.130574172301365]
Segment Anything Model (SAM)は、強力な深い特徴表現とゼロショットの一般化機能を備えた大きなビジュアルモデルである。本稿では,SAMに基づく汎用的で効率的なマイクロ構造抽出法であるMatSAMを提案する。簡単なが効果的な点ベースのプロンプト生成戦略が設計され、ミクロ構造の分布と形状に基づいている。
論文参考訳（メタデータ） (2024-01-11T03:18:18Z)
Data Leakage and Evaluation Issues in Micro-Expression Analysis [45.215233522470115]
マイクロ圧縮の文献では,データ漏洩と断片化評価プロトコルが問題となっている。そこで我々は,2000以上のマイクロ圧縮サンプルを用いた顔動作ユニットを用いた新しい評価プロトコルを提案し,その評価プロトコルを標準化された方法で実装したオープンソースライブラリを提供する。
論文参考訳（メタデータ） (2022-11-21T13:12:07Z)
Action Units That Constitute Trainable Micro-expressions (and A Large-scale Synthetic Dataset) [20.866448615388876]
本研究では,マイクロ圧縮トレーニングデータを大規模に自動合成するプロトコルを開発することを目的とする。具体的には、トレーニング可能なマイクロ表現を適切に構成できる3種類のアクションユニット(AU)を発見する。これらのAUでは、様々なアイデンティティを持つ多数の顔画像と、既存の顔生成方式を用いてマイクロ圧縮合成を行う。マイクロ圧縮認識モデルは、生成されたマイクロ圧縮データセットに基づいてトレーニングされ、実世界のテストセットで評価される。
論文参考訳（メタデータ） (2021-12-03T06:09:06Z)
Seeking Salient Facial Regions for Cross-Database Micro-Expression Recognition [20.014608424466502]
本稿では,クロスデータベースマイクロ圧縮認識の研究に焦点をあてる。我々は、転送グループスパース回帰(TGSR)と呼ばれる新しいドメイン適応手法を提案する。実験の結果,提案したTGSRは良好な性能を示し,最先端のサブスペース学習に基づくドメイン適応法よりも優れていた。
論文参考訳（メタデータ） (2021-11-30T13:08:11Z)

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。