human performance | BriefGPT

关键词human performance

搜索结果 - 28

经典和基于学习的导航在复杂 3D 环境中的基准测试
本文探索经典导航和基于学习的导航的协调方法，通过在不同的模拟环境中进行测试和评估，发现经典系统在复杂的杂乱环境中能够表现出非常好的性能，而学习系统能够在有限的传感器套件下更加稳健地运行，但两种方法都远未达到人类水平的表现。
PDF5 years ago
ReCoRD: 人机常识阅读理解之桥
本文介绍了一种称为 ReCoRD 的大型数据集，并在此基础上展示了机器阅读理解需要常识推理，即目前最先进的 MRC 系统表现远远落后于人类，因此该数据集为未来的研究提供了一个挑战，以弥合人类和现有机器的常识阅读理解之间的差距。
PDF6 years ago
使用深度学习预测垂直菜单选择中的人类表现
本文介绍了一种使用深度神经网络预测人类执行 UI 任务表现的方法，该方法可以轻松地加入其他 UI 属性以便于分析建模，同时能够发现人类行为的新模式
PDF6 years ago
MM探究图像篡改检测中的人为因素
本文针对网络假冒图片的普遍存在问题，通过对自动算法与人类表现进行对比，提出了基于人类视觉难度的图片伪造检测算法。该算法将为今后更好的算法开发提供有利支持。
PDF7 years ago
人机英语会话电话语音识别
在研究中，作者使用多种声学建模、语言建模技术将 LVCSR 系统评价指标降至 5.5％/10.3％，但验证后发现其仍低于人类表现水平，探讨了人类表现水平的定义及如何进一步降低语音识别误差率等问题。
PDF7 years ago
CVPR视觉对话
本文介绍了视觉对话任务，即通过图像、对话历史和问题，要求 AI 智能体以自然、对话式的语言与人类进行有意义的对话，并率先提出了一种基于视觉的通用测试方法以及一种新颖的二人聊天数据收集协议。在此基础上，利用 Latre Fusion、Hier
PDF8 years ago
操纵动作预测
本文研究了灵巧动作的预测，使用新型的递归神经网络方法进行了行动预测并比较了人类表现，表明了算法预测灵巧行动所作用的力量的能力。
PDF8 years ago
深度网络在不变物体识别中类似于人类前馈视觉
研究了深度卷积神经网络在视角变化下物体识别任务中的表现，发现在视角变化较小时，浅层网络可以优于深层网络和人类表现。但是，当面临较大的视角变化时，需要更深的层次来匹配人类表现。最深的 18 层卷积神经网络在最高变化水平下优于人类表现，使用了最
PDF9 years ago