- 层次行为识别:基于对比式视频 - 语言方法和层次交互
通过构建新的细粒度数据集,提出了适用于层级识别的视频 - 语言学习框架,有效地解决了视频识别中的层级分类问题,对于细分子类尤其效果显著,为视频理解任务中的层级建模铺平了道路。
- AAAI基于分离的扩散法进行层次空间和时间去噪的 3D 人体姿势估计
提出了一种具有层次空间和时间降噪器的解开扩散式的三维人体姿势估计方法,该方法通过在扩散模型的正向过程中解开姿势并扩散骨长和骨方向,以有效建模人体姿势先验。在反向过程中,通过使用层次相关的空间转换器和层次相关的时间转换器来改进每个关节的层次建 - 基于贝叶斯方法的词向量偏差估计不确定性
该研究提出了一种基于贝叶斯建模的方法,以更准确地检测词向量中的偏见,并在 Religion、Gender 和 Race 词表上进行了展示,验证了它的有效性。
- CVPR图形胶囊:从 2D 图像学习层级的 3D 人脸表示
本文提出了逆向图形胶囊网络 (IGC-Net),通过图形胶囊这种新型胶囊进行层级建模和无监督学习,从大规模无标注图像中学习人脸的层级 3D 表示。通过该网络的学习,揭示了神经网络如何将人脸理解为 3D 模型的层次结构。此外,利用学习到的部分 - KOLD:韩语攻击性语言数据集
本文介绍了韩国冒犯性语言数据集(KOLD),其中包含 40,429 个分层注释的评论,以及相应文本跨度的注释。作者使用这些注释的评论作为韩文 BERT 和 RoBERTa 模型的训练数据,并发现它们对于冒犯性检测、目标分类和目标跨度检测很有 - ACLCoMAE:一种用于生成移情回应的多因素分层框架
本文提出了一种多因素分层框架 CoMAE,用于模拟情感应答生成功能,实验表明,我们的模型比之前的方法表现更好,分层建模不同因素的重要性也得到了验证。
- EMNLP自动事实提取和验证的分层证据集建模
该论文提出了基于分层证据集建模的自动事实提取和验证框架 (HESM),该框架可以在不同层次上对事实和证据集进行编码和关注,并可对一个声明进行支持、反驳或不充分信息的验证。实验结果表明,HESM 在事实提取和声明验证方面优于 7 种现有方法。
- ACL基于图注意力网络的文档建模用于多粒度机器阅读理解
本文提出了一种新的多粒度机器阅读理解框架,利用图注意力网络对文档的不同层次进行建模,以同时学习各个级别的表示,从而提取长答案和短答案并建模其之间的依赖关系,并通过联合训练来显著提高对两种类型答案的准确性。
- 估计超参数的高斯过程回归的收敛性及在贝叶斯逆问题中的应用
研究高斯过程回归中的收敛性,着重于层次高斯过程回归,在其中先验未知的高斯过程仿真器的均值和协方差结构中出现的超参数会从数据中学习,并与后验均值和协方差一起计算。提供收敛性分析,并通过连续函数的任何情况下的收敛性说明从数据中学习超参数不会影响 - 利用地标映射状态空间实现通用目标达成
本文提出了一种在具有稀疏奖励下的大型 MDPs 中处理 long-range goals 的方法,该方法通过分层建模、farthest point sampling 和 RL 算法的结合来解决这个问题。实验结果表明,该方法比标准的 RL 算 - 分组数据的结构化嵌入模型
研究使用指数族嵌入的结构化指数族嵌入方法,成功地发现与相关数据组不同的嵌入。 研究表明,这种方法具有共享统计信息的优势,并且以国会演讲、购物和摘要等作为实证研究的应用场景。
- CVPR将结构替代和共享融入层级结构中,用于多类别目标识别和检测
本文提出一种可重构模型,用于识别和检测外观差异较大的多类(或多视)物体,该模型采用 And-Or 图结构,具备分层建模、结构可变性处理等先进能力,并提出了一种 EM 类型算法,在 PASCAL VOC 2007 和 UIUC-People - 使用 MAD 贝叶斯方法对非正态样本的肿瘤异质性特征进行分配
提出一种基于小方差渐近逼近的层次模型贝叶斯非参数方法,用于推断肿瘤异质性的细胞子克隆情况,并成功地从高维基因组数据中恢复潜在结构,为生物学研究提供了一个有用的工具。
- 基于 Hamiltonian 蒙特卡罗法的分层模型
本文介绍了哈密顿蒙特卡洛方法在层次模型中的应用,以克服常规推论方法的病态现象,进而有效地对应用统计学中的复杂交互进行建模。