TL;DR本文讨论了使用仅有的 100 个样本字符串训练出的一个 GAN 生成人工语言字符串的方法,并探究其在计算语言学中对于建模低资源语言的形态学变化的应用。
Abstract
generative adversarial networks (GANs) have been shown to aid in the creation
of artificial data in situations where large amounts of real data are difficult
to come by. This issue is especially salient in the computati
本文使用生成对抗网络的生成结果作为认知组件,以增强角色设计师在为不同的多媒体项目概念化新角色时的创造力。同时,本文通过在新的可视化角色数据集上使用单个图形处理器从头开始训练不同的 GAN 架构(包括转移学习和数据增强技术),并使用混合方法评估了生成视觉品质对角色设计师机构概念化新角色的认知价值。研究表明,本方法对该上下文的实施非常有效,将作为一个由人与机器共同设计的工作流程进一步评估。