Jul, 2022

深度学习下可控数据生成：一综述

PDF
TL;DR本文系统综述了可控深度数据生成领域，包括挑战、分类、评估指标、应用与研究现状分析，提出未来研究方向和挑战。
deep learningdata generationcontrollableevaluation metricsapplications
发现论文，激发创造
  • 深度学习下可控图像合成的调查

    通过深度学习技术与生成模型的应用，研究了 3D 可控图像合成问题，包括视角 / 姿势可控图像合成、结构 / 形状可控图像合成以及 3D 重新照明等方面。

    Jul, 2023

  • 迭代数据属性相互映射的可控数据生成

    该论文提出了一个通用框架，以增强基于 VAE 的数据生成器的属性可控性和确保解缠。通过在训练集中对看到和未看到的数据进行优化，我们的目标在短时间内能够更精确地控制生成样本的属性，保证解缠并保持生成样本的有效性。

    Oct, 2023

  • 探索可控文本生成技术

    本文研究神经可控文本生成的新架构和技术，将其生成过程分为五个模块，分析不同技术的优缺点，为基于这些模块组合的新架构铺平道路。

    May, 2020

  • 具有相关性属性控制的多目标深度数据生成

    本文提出了一种通过解耦潜在向量恢复属性语义和相关性的深度生成模型，同时通过可解释的掩模池化层处理相关性，并通过潜在向量和属性之间的相互依赖保留所需的属性。实验结果表明，该模型可生成具有所需属性的数据，具有卓越的性能。

    Oct, 2022

  • 使用扩散模型进行受控训练数据生成

    这项研究提出了一种利用反馈机制来控制文本到图像生成模型，以生成对监督学习特别有用的训练数据的方法，并且通过引入指导目标分布的反馈机制，演示了该方法在不同任务、数据集和架构上相对于开环方法的有效性。

    Mar, 2024

  • 面向开放域创造力和公平性的可控文本生成

    本文介绍了一些控制文本生成的方法以增强语言生成模型的创造力和公平性，包括层级生成和约束解码，并应用于故事、诗歌、比喻语言的创意生成，以及减少生成模型的社会偏见。

    Sep, 2022

  • 智能人工代理数据增强的可控文本生成

    通过文本生成技术，使用编码器 - 解码器生成模型来增加受训人工智能代理的训练数据，从而实现更快地开发新功能。该方法需要直接优化，适用于有限的数据，并明显优于以往的受控文本生成技术。此外，生成的数据用作外在意图分类任务的附加训练样本，增强了低资源情况下高达 5％绝对 f-score 性能的表现，证实了该方法的实用性。

    Oct, 2019

  • 创意数据生成：关注文本和诗歌的综述

    本文评估了创意数据生成的挑战和机遇，并重点关注了创造性写作和生成诗歌等任务。

    May, 2023

  • 稳定扩散控制的工业数据图像合成

    使用生成模型在工业数据上重新生成自我标记的有缺陷图像，从而优化真实工业使用情况下的裂缝分割器，显示了该方法在生产环境中的潜力。

    Jan, 2024

  • 基于 Transformer 预训练语言模型的可控文本生成综述

    本文系统评述了基于预训练语言模型的可控文本生成技术的主要任务、方法和评价方法，并讨论了当前领域面临的挑战和未来研究方向。

    Jan, 2022