关键词continuous representations
搜索结果 - 8
- DASB -- 离散音频和语音基准
通过发布离散音频和语音基准 (DASB),我们研究了离散音频标记符在各种任务中的性能表现,并发现语义标记比压缩标记在大多数任务中表现更好,但语义标记和标准连续表示之间的性能差距仍然存在。
- I-MedSAM:分割一切隐式医学图像
本论文提出了一种结合连续表示和 SAM 的方法 I-MedSAM,用于医学图像分割,通过使用隐式神经表示训练一个隐式分割解码器,以获得更好的跨领域能力和准确的边界描绘。
- MM基于解缠自监督表征和神经听觉合成器的自然环境语音情感转换
本文提出了一种方法,该方法使用自监督网络对话语的词汇、说话人和情绪内容进行解缠,并随后使用 HiFiGAN 回声消除器将解缠表示重新合成为目标情感的语音信号。
- ICLR神经因果表示的摊销学习
本文提出了一种名为因果关系网络的算法,采用神经网络学习因果模型,并使用连续表示方法表示因果模型,从而更好地处理大量变量和利用先前的知识帮助学习新的因果模型,同时提出一种基于解码的评估指标。在合成数据的测试中取得了高精度和快速适应新因果模型的 - ICML关系数据表示的嵌套子空间排列
探讨了获取离散对象(如图形和知识库数据)的适当连续表示的研究,并引入了 Nested SubSpace(NSS)布局和 Disk-ANChor ARrangement(DANCAR)表示学习方法。DANCAR 在重建任务中嵌入了 WordN - MMTranslator2Vec:理解和表达人类后编辑员
通过分析一个新的文档级数据集来了解人类翻译者的工作方式,发现动作序列足够有效以准确识别后编辑者,并建立了连续表示以改善后编辑时间的预测。
- 神经网络中旋转表示的连续性
本研究提出一种用于训练深度神经网络的连续表示定义,探究了旋转在不同维度下的连续和不连续表示,发现在四维及以下的实数欧几里得空间中,所有 3D 旋转的表示都是不连续的,提出在 5D 和 6D 连续表示下学习更为适宜,而且可扩展到其他转换群。通 - ACL硬性单调注意力下的形态变化生成
提出了一种神经模型,可用于形态学词形变化生成,该模型采用硬注意机制,基于单词中的字符与其变形中字符之间通常发现的近单调对齐。在三个以前研究过的形态学词形变化生成数据集上评估了该模型,并展示了它相对于以前的神经和非神经方法在各种设置下提供的最