关键词referring expression generation
搜索结果 - 7
- 基于场景上下文的视觉引用表达生成中的弹性
探究场景背景在图像中物体指称生成中的作用，并以转换器为基础的 REG 模型为训练和测试对象，结果显示即使简单的场景背景也能使模型对干扰具有出乎意料的韧性，甚至在完全缺失目标的视觉信息情况下也能辨别出指称类型。
- 指代表达生成的内在任务评估
提出了一种基于内在任务的评估协议，针对对话生成模型中的表述生成模型进行了综合性评估，发现新的评估协议能更准确和可靠地评估每个模型的性能。
- 能否定位？交互式提及表达生成
本文提出了一个具有相互作用的交互式 REF 模型，利用用于识别目标定位以及由 REC 模型定位的视觉区域的信号逐步修改 REs，实验证明该模型在三个参考数据集上优于现有方法，并通过人工评估证明其生成了更好且具有交互能力的 REs。
- 一种基于 Rational Speech Act 框架的指称表达：概率方法
利用 RSA 框架与深度学习方法相结合，在多步骤过程中生成更好的、可解释的表述，在复杂的视觉场景中进行实验，比较我们的方法与其他端到端深度学习方法以及 RSA 变体的表现，结果表明，我们的方法在人类理解方面优于类似 RSA 方法，而在有限数 - 基于计划的神经数据到文本生成的质量和效率提升
本文从 Moryossef et al （2019）所提出的步骤式神经数据到文本生成方法出发，通过引入可训练的神经计划组件、打字提示、排序确认阶段和简单而有效的指代表达式生成模块的四个扩展，实现了一个更快，更流畅和更准确的生成过程。
- 使用实体概况生成指代表达式
该研究提出了一种面向上下文的实体参照生成模型，并解决了现有模型依赖于特定实体训练数据的局限性，同时在 WebNLG 数据集上进行的实验表明，该模型在多个方面有着优越的表现。
- ACL神经网络引用表达生成的端到端方法
本文提出了一种新方法 NeuralREG，该方法通过深度神经网络一步决定形式和内容，并在 WebNLG 语料库的去词汇化版本上显示出优越的性能，数据和模型已公开。