关键词unsupervised style transfer
搜索结果 - 5
- 具有可辨识性保证的反事实生成
本文研究了对抗生成方法中存在于多个领域的内容和风格变量之间的依赖关系的问题，并提出了一种名为 MATTE 的理论驱动框架，实现了无监督风格迁移任务的最先进性能，不需要配对数据或风格标签。
- ICLR自然语言处理中的人类辅助公正分类
本研究提出了使用无监督风格转移和 GPT-3 的零 - shot 技术发现具有表达性和直观性的个体公平规范的新方法，以解决文本分类器中公平性问题。我们使用众包研究验证了所生成的具有人类直觉的公平排除敏感属性的语句对，并展示了有限数量的人类反 - EMNLP半监督文本风格转换的传导学习
本研究提出了一种基于检索的上下文感知风格表示的传导学习方法，使用具有检索器框架的注意力编码器 - 解码器，并涉及目标风格中前 K 个相关句子，以减轻非一致性问题。经实验证明，该方法优于几种强基线方法，并且具有广泛且有效的传导学习方法适用于无 - 无对抗训练的多类型解缠
本文提出了一种针对多类型解缠的统一分布控制方法，以达到风格 - 内容解缠和多类型解缠的效果，在两个数据集上进行实验评估其风格解缠效果和无监督风格转移性能。
- ACL探索上下文词级风格相关性用于无监督风格转移
本文提出一种基于注意力机制的序列到序列模型，采用无监督方式实现风格迁移，通过预测每个输出词语与目标风格的相关性实现精细的控制，进而使用神经风格组件进行风格迁移，该模型在风格迁移的准确性和内容保留方面达到了最先进的水平。