Jan, 2021

TextBox：文本生成的统一，模块化和可扩展框架

PDF
TL;DR本文介绍了一个名为 TextBox 的开源库，旨在提供一种统一、模块化和可扩展的文本生成框架。该库支持广泛的文本生成任务和模型，并且通过将模型架构、推断和学习过程适当地分解为高度可重用的模块，保持了足够的模块化和可扩展性，使用户可以轻松地将新模型整合到我们的框架中。
发现论文，激发创造
  • Texar: 一款模块化、通用、可扩展的文本生成工具包

    Texar 是一个开源工具包，支持广泛的文本生成任务，旨在将任何输入转化为自然语言，包括机器翻译、摘要、对话、内容操作等。它以模块化、通用性和可扩展性为设计目标，提取了不同任务和方法学的共同模式，创建了高度可重用模块的库，并允许任意模型架构和算法范例。支持 TensorFlow 和 PyTorch，并在 Apache License 2.0 下发布。

    Sep, 2018

  • TextBoxes: 单个深度神经网络实现的快速文本检测器

    该研究论文提出了一种名为 TextBoxes 的端到端可训练快速场景文本检测器，它能够在一次网络正向传递中高效准确地检测场景文本，除了标准的非极大值抑制外，不需要任何后处理。结合文本识别器后，TextBoxes 在单词定位和端到端文本识别任务方面显着优于现有方法。

    Nov, 2016

  • Texygen: 文本生成模型基准测试平台

    Texygen 是一个支持对开放域文本生成模型进行研究的基准测试平台，它实现了大多数文本生成模型，并涵盖了一组用于评估生成文本的多样性、质量和一致性的度量标准。该平台有助于标准化文本生成研究，促进研究人员共享调整优化的开源实现，并改善未来文本生成研究工作的再现性和可靠性。

    Feb, 2018

  • Unitxt: 用于生成式人工智能的灵活、可共享和可复用的数据准备与评估

    Unitxt 是一个创新的库，用于可定制的文本数据准备和评估，适用于生成式语言模型。它通过模块化组件将处理流程解构，实现易定制和共享，促进现代文本数据工作流中的合作和探索。

    Jan, 2024

  • AnyText: 多语言视觉文本生成与编辑

    基于扩散模型的多语言视觉文本生成的 AnyText 模型，利用 OCR 模型和扩散管道生成准确和连贯的文本，通过文本控制扩散损失和文本感知损失进行训练来进一步增强书写准确性，并在评估实验证明我们的方法在视觉文本生成方面表现优异。

    Nov, 2023

  • 通过文本生成统一视觉语言任务

    该研究提出了一个统一框架，通过相同的语言建模目标，在单个体系结构中学习不同的任务，实现视频图像理解、语言推理和标签生成等领域的应用。通过在多个基准测试中的表现，这种生成方法（在单个统一的体系结构下）显示出了与最先进的特定任务模型相当的性能，并且还显示了更好的推广能力和单个任务模型相似的多任务学习能力。

    Feb, 2021

  • TextBoxes++：一种单次定向场景文本检测器

    本文提出了一种名为 TextBoxes ++ 的端到端可训练的快速场景文本检测器，它可以在单个网络正向传递中检测任意方向的场景文本，并在检测精度和运行时方面优于竞争方法。

    Jan, 2018

  • 双向图像与文本生成统一多模态转换器

    本文研究了图片到文本和文本到图片生成的联合学习，使用了基于 Transformer 的单个多模式模型来统一学习双向任务，并通过两级粒度特征表示和序列级训练进一步改进 Transformer 的统一框架，实验证明，该方法显著提高了先前基于 Transformer 的模型 X-LXMERT 的文本到图像生成的 FID（37.0→29.9）和在 MS-COCO 数据集上对细调图像到文本生成的 CIDEr-D 得分（100.9%→122.6%）。

    Oct, 2021

  • UniTAB: 将文本和框输出统一以进行视觉语言建模

    提出了 UniTAB 模型，该模型将文本描述和框框输出合并，用特殊的 <obj> 标记指示文本描述和对象区域之间的字框对齐，并在 7 项视觉语言基准测试中表现出比同类模型更好的地面描述、可视化对准和图像描述等能力，网络的参数效率和泛化能力更强。

    Nov, 2021

  • MixingBoard：一个知识化的风格化集成文本生成平台

    MixingBoard 是一个文本生成平台，提供共享代码库和模块化的算法，实现跨模型集成和外部知识的检索，并提供用户界面和 RESTful API 以方便用户构建其自己的演示。

    May, 2020