本文提出了 DART 数据集，其中包含超过 82k 条开放领域结构化数据到文本生成实例。我们通过从表中提取语义三元组的方式，以及利用标头之间的语义依赖关系和表标题来编码表的结构，提出了一种数据到文本生成的注释程序。我们还将从开放领域语义解析和对话行为意义表示任务中提取的异构源有效地合并，以及提出了数据集构建框架，利用树本体注释、问答对到陈述句的转换和谓词统一等技术进行最少的后期编辑。我们在 DART 上进行了系统评估，并展示了 WebNLG 2017 的最新成果，证明 DART（1）对现有数据到文本数据集提出了新的挑战，（2）促进了跨领域的泛化。

Jul, 2020

本文介绍了一个称为分布感知视网膜变换（DART）的通用视觉描述符，它使用对数极坐标格来编码结构上下文。作者将 DART 描述符应用于四个不同的问题，并展示了 DART 在解决目标分类、跟踪、检测和特征匹配方面的性能。

Oct, 2017

介绍了一种交互式系统 Darwin，可以协助 weakly-supervised learning 文本数据的标注规则生成。通过候选规则的自动生成和标注者的反馈机制，Darwin 可以高效地生成规则，实验结果表明 Darwin 能够比已有的方法更有效地识别出正例。

May, 2020

通过使用雷达特定的物理特性来创建一个基于反射和透射的渲染管道，DART (基于多普勒辅助的雷达层析成像) 可以合成出优质的雷达距离 - 多普勒图像，并可以用来生成高质量的层析成像。

Mar, 2024

本研究介绍了 DAWT 数据集，包含 13.6M 英文、西班牙语、意大利语、德语、法语和阿拉伯语维基百科文章，共 5.0B 个标记，以及 13.8M 个提及的实体共同出现。同时，我们提出的方法可以扩展维基百科标记，以提高链接的数量，并开放了一些基于数据集的应用，这为自然语言处理和信息检索社区以及多语言研究提供了助力。

Mar, 2017

该篇论文介绍了一个基于 LightTag 的文本标注工具，其设计和构建基于优化全局 NLP 流程的生产力而非个体标注员的生产效率，并讨论了数据建模和用户界面等方面的决策如何为整个 NLP 生命周期服务。

Sep, 2021

POTATO 是一个免费的，完全开源的文本注释工具，支持标记多种类型文本和多模态数据，旨在提高标注速度，提供方便的模板和自定义的特性。

Dec, 2022

本论文介绍了一种使用数据增强技术来改进机器翻译评估的 DATScore 指标，并提出两种新的评分和术语加权策略以改善 BARTScore 计算过程的论点。实证结果表明，DATScore 与人类元评价的相关性比其他最新的最先进度量标准更好，特别是对于低资源语言。

Oct, 2022

本文对预训练语言模型和自回归预训练语言模型在 DART 数据集上的 D2T 任务表现进行实证研究，考虑了任务数据量的大小，以及零样本和少样本学习以及模型微调等方式，研究表明需要更多仔细手工策划的数据集来改善基于此的 D2T 生成任务。

May, 2022

本文介绍了一种针对手部建模的 MANO 模型的扩展版 --DART，其中包含了 50 个不同款式和形状的 3D 配饰和 325 幅手工制作的 2D 纹理贴图。通过 Unity GUI，用户可以生成具有多样化姿态、摄像机、背景、灯光、纹理和配饰的合成手数据，并发布了一份包含 800K 高度逼真合成手影像的数据集 DARTset，用于增加手姿估计和网格恢复任务的泛化能力。

Oct, 2022