- SAGE: 在语言指令下桥接语义和可行动部分实现可推广的关节对象操作
基于语言指令,我们提出了 SAGE 框架,它能够通过语义解释和实际操作的部分之间的联系实现通用的关节物体操作,通过语言指令、视觉输入和互动反馈实现对关节物体的多样化操作。
- AS-XAI: 卷积神经网络的自我监督自动语义解释
提出自我监督的自动语义可解释人工智能框架 (AS-XAI),利用透明正交嵌入语义提取空间和行居中主成分分析 (PCA) 来全局语义解释模型决策,在没有人为干预的情况下产生了人可理解的解释。
- 基于领域适应预训练和复合双主干的细粒度建筑屋顶实例分割
我们提出了一个有效的框架来实现对高分辨率光学卫星图像中个别建筑物的语义解释,通过采用领域自适应预训练策略和复合双支干,以及新的数据增强流程、随机权重平均训练和基于实例分割的模型集成,实现了额外的性能提升。值得注意的是,我们还探讨了光学卫星图 - PhenoBench -- 农业领域语义图像解释的大型数据集和基准测试
本文提出应用图像识别技术解决农业领域的感知问题。作者提供了使用无人机采集并进行密集标注的农作物和杂草图像数据集以及用于测试的多个感知任务基准,包括语义分割、植物的全景分割、植物和叶子的检测、层次全景分割。
- EMNLP新冠疫苗可预防 Covid,牛津疫苗则是在牛津制造的!—— 关于专有名词复合词的语义解释
通过各种神经模型,尤其是针对基本名词的共同知识,我们可以自动生成专有名词复合词的语义解释。将这些解释与现有的 Open IE 系统集成,可以获得更高的收益率和更高的准确性。
- 通过概念化解释嵌入空间
本文提出了一种将任何嵌入空间转换成易理解的概念空间的方法,并展示了该方法在语义表示方面的实用价值,如发现潜藏的偏见和比较不同模型间语义的差异。
- COLING利用 AMR 学习图路径进行常识推理:我知道你在问什么
本文提出了一种 AMR-ConceptNet-Pruned 图来解释常识推理的过程并预测 CommonsenseQA 任务的正确答案,同时表明基于 ACP 的模型优于基线模型。
- 基于周期一致性的长期活动预测
本研究提出了一种从观察到的图像帧特征直接预测未来活动的框架,以及一个基于时间的循环一致性损失来预测未来活动和过去活动,与其他方法相比,在 Breakfast 数据集和 50Salads 上实现了最先进的结果。
- ACL基于知识图谱的语义驱动填空奖励抽象摘要生成
本文介绍了 ASGARD,这是一个新颖的带有图形增强和基于语义驱动奖励的抽象摘要框架,使用双编码器和知识图形提高了生成的摘要的信息性能,并取得了对新闻文本具有竞争力的性能。
- 超越视觉语义:探索场景文本在图像理解中的作用
本文提出了一种多通道的方法,既利用场景文本和视觉通道提取和编码图像信息,又建模它们之间的相互作用,生成具有更丰富语义的上下文联合嵌入,并在检索和分类任务上展示了其有效性。
- EMNLP名词组合词解释的转移和多任务学习
本文通过一系列实验和详细的误差分析,证明了参数初始化的迁移学习和参数共享的多任务学习可以帮助神经分类模型在高度倾斜关系分布上泛化。此外,我们演示了如何利用两个不同关系集合上的双重注释来提高神经分类器的整体准确性和 “F1” 得分,特别是在不 - IJCAI深度循环神经网络实现口语语言标注
本文研究口语理解技术中的语义解释提取问题,提出基于深度 RNN 的新型架构,通过在 ATIS 和 MEDIA 语料库上的实验,取得了较先前研究更优的最新成果。
- NIPS最近邻拓扑特征的二阶词嵌入
使用预训练的上下文词嵌入中的最近邻拓扑特征,我们介绍了二阶向量词表示法,并研究其在两种自然语言处理模型以及一个线性模型中的性能。具有更高的密度和不同的余弦相似性语义解释,二阶词嵌入为处理异质数据提供了更好的解决方案,此外,它们可以进一步提高 - 一个图表胜过一打图片
本文提出了一种基于 DPG 表示的图表结构模型,探究了图表的句法分析学习与语义解释推理等问题,并在 5000 多张图表的数据集上验证了该模型的有效性。
- ACL通过图片学习语言
该研究提出了 Imaginet 模型,该模型可以从耦合文本和视觉输入中学习语言表达的视觉基础表示,采用多任务目标,并从视觉场景描述中获取单词的含义表达,并学习有效地利用语义解释多词短语的顺序结构。
- 单词意义的 Frobenius 解剖 II: 所有格关系代词
该研究旨在使用基于分类组合分布模型的方法,提出 对于名词性从句的主体和宾语角色使用语义解释的方式,并阐释了 Frobenius 代数在这一领域的应用。研究还展示了如何将其解释与 Montague 风格的语义相关联,并提供了一种基于向量空间的 - 符号基础问题
本论文探讨如何在符号系统中将符号的语义内化,通过基于 “图像” 和 “类别” 的底层非符号表示,实现符号表示的 “接地”,并提出了一种候选方案。
- ACL从百科全书文本中获取知识
描述了一种从百科全书文本中获取知识的计算模型,其中重点介绍了 SNOWY 程序的关键组成部分,即语义解释、推理和表示,并对程序的性能进行了评估、对它所能回答的问题进行了样例展示,并讨论了它与其他类似程序的关系。