Today Paper | Çok kişili doğrusal model; vücut yakalama; konuşmalı soru-cevap; doğal dil analizi; sinirsel anlambilim
içindekiler
-
Eylem için Diyalog: Geniş bir bilgi tabanında sohbet Soru-Cevap
-
Kullanıcı geri bildirimlerinden öğrenilen doğal dil analizi
-
Sinirsel anlamsal veri yeniden düzenleme modeli
-
SMPL-X: Etkileyici vücut yakalama: Elleri, yüzü ve vücudu tek bir görüntüden alın
-
SMPL: Derili çok oyunculu doğrusal bir model
Eylem için Diyalog: Geniş bir bilgi tabanında sohbet Soru-Cevap
Kağıt adı: Dialog-to-Action: Büyük Ölçekli Bir Bilgi Tabanı Üzerinden Cevaplayan Konuşmaya Dayalı Soru
Yazar: DayaGuo / DuyuTang / NanDuan / Min gZh ou / JianYin
Düzenlenme zamanı: 2018/9/13
Kağıt bağlantısı: http : //papers.nips.cc/paper/7558-dialog-to-action-conversational-question-answering-over-a-large-scale-knowledge-base.pdf
Önerilen neden: Temel sorun: Bu makale, bilgi grafiklerine dayalı bir soru cevap sistemi olan bir diyalog yönetim sistemi oluşturur.
Yenilik: Diyalog yönetiminin temellerinden biri anlamsal analizdir.Bu makale, doğal dili mantıksal ifadeye dönüştürmek için bir yöntem önermekte ve mevcut diyalog için mantıksal formlar oluştururken geçmişi kullanan bir diyalog belleği yönetimi bileşeni sunmaktadır. Varlıklar, tahminler ve operatör dizileri. Eğitim sırasında büyük ölçekli bilgi tabanında tekrarlanan uygulamanın zaman alıcı durumundan kaçınmak için, önce genişlik önceden yapılır. aramak Doğru yanıtlar üretebilen konuşma çiftleri ve eylem dizileri elde etmeye yönelik algoritmalar ve beklenen eylem dizilerini oluşturma olasılığını en üst düzeye çıkararak modeli öğrenir. Üst ve alt kaynakların ve yabancı kelimelerin durumunu çözebilir.
Araştırmanın önemi: Diğer modellerle karşılaştırıldığında, bu modelin büyük avantajları var ve çok iyi sonuçlar elde etti Burada benim için ilham kaynağı, aşağı akış görevlerini yapmak için daha fazla bilgiyi dahil etmektir.
Kullanıcı geri bildirimlerinden öğrenilen doğal dil analizi
Kağıt adı: Kullanıcı Geri Bildirimlerinden Nöral Anlamsal Ayrıştırıcı Öğrenme
Yazar: SrinivasanIyer / Ioann dır-dir Konstas / AlvinCheung
Düzenlenme zamanı: 2017/4/27
Makaleye bağlantı: https://arxiv.org/pdf/1704.08760.pdf
Önerilen neden
Temel soru: Bu makale anlamsal analiz içindir ve temel, bilgisayarlar tarafından anlaşılabilen ve yürütülebilen SQL dilinin üretilmesidir.
İnovasyon: Bu makale, yeni bir alan için bir veritabanı doğal dil arayüzü oluşturmanın hızlı ve kolay bir yolunu önerir ve doğal dili doğrudan SQL temsiline dönüştürmek için uçtan uca bir sinir dizisi modeli oluşturur. Ardından modeli çevrimiçi olarak öğrenin ve doğrudan kullanıcı geri bildirimi almak için çevrimiçi olarak dağıtın ve ardından bu geri bildirimi modelin etkisini iyileştirmek için kullanın.
Araştırmanın önemi: Deneyler, bu yöntemin, sıfırdan çevrimiçi akademik veritabanları için bir anlamsal ayrıştırıcı edinme gibi herhangi bir yeni hedef alana hızla uygulanabileceğini göstermektedir.
Sinirsel anlamsal veri yeniden düzenleme modeli
Kağıt adı: Sinirsel Anlamsal Ayrıştırma için Veri Rekombinasyonu
Yazar: Robin Jia / Percy Liang
Yayın zamanı: 2016/6/11
Makaleye bağlantı: https://arxiv.org/pdf/1606.03622.pdf
Önerilen neden
Temel problem: Bu, aynı zamanda nlp alanındaki en önemli alanlardan biri olan semantik analizin bir görevidir.Bir cümlenin nasıl anlaşılacağı ve aşağı akış görevlerinin nasıl tamamlanacağı, problemi çözmenin anahtarıdır.
Yenilik noktası: Bu makalede, yazar yeni bir çerçeve modeli önermektedir.Açık mantıksal kurallar oluşturmak için, yüksek hassasiyetli anlamsal temsil elde etmek için modele önceki bilgileri enjekte eder ve ardından aşağı akış görevlerini teşvik eder. Genel model, dikkat tabanlı çoğaltma mekanizmasına dayalı RNN modeli.
Araştırmanın önemi: Verilerin yeniden düzenlenmesi, yazarın RNN modelinin üç semantik analiz veri setindeki doğruluğunu artırır, böylece karşılaştırılabilir denetime sahip model, standart GeoQuery veri setinde en son performansı elde edebilir.
SMPL-X: Etkileyici vücut yakalama: Elleri, yüzü ve vücudu tek bir görüntüden alın
Bildiri Başlığı: Etkileyici Vücut Yakalama: Tek Bir Görüntüden 3D Eller, Yüz ve Vücut
Yazar: Pavlakos Georgios / Choutas Vasileios / Ghorbani Nima / Bolkart Timo / Osman Ahmed A. A. / Tzionas Dimitrios / Black Michael J.
Gönderme süresi: 2019/4/11
Makaleye bağlantı: https://arxiv.org/abs/1904.05866
Önerilen neden
SMPL-X: İnsan pozlarının, hareketlerinin ve yüz ifadelerinin 3B modellerini tek bir monoküler görüntüden hesaplayın. Model, SMPL'yi tamamen detaylı eller ve etkileyici yüzlerle genişletebilir.
Bu makale SMPLify'ı birkaç önemli yoldan geliştirmektedir:
Kağıt, yüzlere, ellere ve ayaklara karşılık gelen 2B özellikleri algılar ve bu özelliklere tam bir SMPL-X modelini uyar;
Makale, yeni bir sinir ağı duruşunu eğitmek için büyük bir MoCap veri seti kullanıyor;
Makale, hızlı ve doğru bir iç içe geçme cezasını tanımlar;
Kağıt, cinsiyeti ve uygun vücut modelini (erkek, kadın veya tarafsız) otomatik olarak algılar;
Yeni seçilmiş bir veri kümesinin 3D doğruluğunu değerlendirdi
https: // smpl-x. dır-dir .Tue.mpg.de üzerinde araştırma yapmak için modeller, kodlar ve veriler edinin.
SMPL: Derili çok oyunculu doğrusal bir model
Bildiri Başlığı: SMPL: Derili Çok Kişili Doğrusal Model
Yazar: Matthew Loper / Naureen Mahmood / Javier Romero / Gerard Pons-Moll / Michael J. Black
Gönderme zamanı: 2015/10/1
Makaleye bağlantı: https://dl.acm.org/doi/10.1145/2816795.2818013
Önerilen neden
Önceki modelden daha doğru olan ve mevcut grafik ardışık düzenleriyle uyumlu olan, insan vücudunun şekli ve konuma bağlı şekil değişikliklerinin yeni bir öğrenme modeli önerildi. Derili çok kişili lineer model (SMPL), insan vücudunun doğal duruşunda çeşitli vücut tiplerini doğru bir şekilde temsil edebilen, cildin köşelerine dayanan bir modeldir. Modelin parametreleri, dinlenme poz şablonları, hibrit ağırlıklar, konumla ilgili hibrit şekiller, kimlikle ilgili hibrit şekiller ve köşelerden eklem konumlarına regresyonlar dahil olmak üzere verilerden öğrenilir. Önceki modellerden farklı olarak, konumla ilgili karma şekil, poz döndürme matrisinin öğelerinin doğrusal bir işlevidir. Bu basit formül, tüm modeli, farklı pozlardaki farklı kişilerle hizalanmış nispeten büyük bir 3B ızgaradan eğitmeyi sağlar. SMPL varyantlarını kantitatif olarak değerlendirmek ve her ikisinin de aynı verilere dayalı BlendSCAPE modelinden daha doğru olduğunu göstermek için doğrusal veya çift kuaterniyon karışık dış görünüm kullanın. SMPL ayrıca dinamik yumuşak doku deformasyonunun gerçek modeline genişletilmiştir. Karma dış görünümlere dayandığından, SMPL mevcut işleme motorlarıyla uyumludur ve araştırma amacıyla kullanılabilir.
SMPL şu anda 3B modelleme için çok popüler bir projedir ve birçok çalışma bu teknolojiye dayanmaktadır.
Ayrıca SMPL-X (esas olarak yüz modellemesini optimize etti), SMPL-H (elin ayrıntılı modellemesini optimize etti), SMPLify (2D fotoğrafların sabit POSE modellemesi) ve diğer sürümleri geliştirdi.
Kaynak kodu kayıt gerektirir indir .
Resmi internet sitesi: https: // smpl. dır-dir .tue.mpg.de /
Makale yazar ekibinin işe alınması
AI Araştırma Enstitüsü, yapay zeka gençlerinin çoğuna daha iyi hizmet verebilmek için resmi olarak yeni bir "Tez" bölümü başlattı ve tezleri, önerileri, yorumları ve yorumları sıralayan makaleler aracılığıyla yapay zeka öğrencilerini ve gençleri bir araya getirmek için "ilgi çekici noktalar" olarak kullanmayı umdu ve kod yeniden üretildi. Yurtiçinde ve yurtdışında en son araştırma sonuçlarının incelenmesi, tartışılması ve yayınlanması için bir buluşma yeri olmaya ve mükemmel bilimsel araştırmaların daha yaygın olarak yayılmasına ve tanınmasına izin vermeye kararlıdır.
Umarız akademisyenleri sevenler, Ekleyebilir Bildiri yazarlarından oluşan ekibimize katılın.
Alabilirsiniz
1. Adınızın yazdığı bir makale sizi en göz kamaştırıcı akademik yıldız yapacak
2. Zengin ücret
3. AI ünlü şirketleri, konferans bileti avantajları, özel çevre birimleri vb.
Bildiri yazarı ekibine katılmak için ihtiyacınız olan:
1. Favori makalelerinizi araştırma kulübü üyelerinin çoğuna önerin
2. Tez yorumunu yazın
AI Araştırma Enstitüsü'nün yarı zamanlı makale yazarları ekibine katılmaya hazırsanız, şunları ekleyebilirsiniz: WeChat , "Yarı zamanlı makale yazarı" Açıklamalar
