SMILE：テキスト画像認識のための潜在エントロピーを最小化するシーケンス間ドメイン適応
SMILE: Sequence-to-Sequence Domain Adaption with Minimizing Latent Entropy for Text Image Recognition 合成画像を使用した認識モデルのトレーニングは、テキスト認識で驚くべき結果を達成しました。ただし、実世界の画像からテキストを認識することは、合成テキスト画像と実世界のテキスト画像の間のドメインシフトのために、依然として課題に直面しています。手動アノテーションなしでドメインの違いを排除するための戦略の1つは、教師なしドメイン適応（UDA）です。シーケンシャルラベリングタスクの特性により、最も一般的なUDAメソッドをテキスト認識に直接適用することはできません。この問題に取り組むために、クラスバランスのとれた自己ペース学習を備えたシーケンス間注意ベースのモデルで潜在的なエントロピーを最小化するUD
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2311.15896v1
https://arxiv-check-250201.firebaseapp.com/each/2311.13222v1
それらすべてを合成する 1 つのモデル: 欠損データ代入のためのマルチコントラスト マルチスケール トランスフォーマー
NeRF Attention によるエンドツーエンドのビュー合成
レイアウトブリッジのテキストから画像への合成
NeRF Attention によるエンドツーエンドのビュー合成
FastLTS：非自己回帰のエンドツーエンドの制約のないリップツースピーチ合成
コンテンツが豊富なテキストから画像への生成のための自己回帰モデルのスケーリング
それらすべてを合成する 1 つのモデル: 欠損データ代入のためのマルチコントラスト マルチスケール トランスフォーマー
CTCプレフィックスを使用したテキスト行認識のためのシーケンス間モデルのスコアリング
ライトフィールド画像超解像用の詳細保存トランス
CTCプレフィックスを使用したテキスト行認識のためのシーケンス間モデルのスコアリング
トランスフォーマーを使用したシーケンス間の観点からのステレオ深度推定の再検討
トランスフォーマーを使用したシーケンス間の観点からのステレオ深度推定の再検討
PredRNN：時空間予測学習のためのリカレントニューラルネットワーク
ダンス革命：カリキュラム学習による音楽による長期的なダンスの生成
知覚、構文、および意味論の体系的な一般化のための最小限のデータセット
ダンス革命：カリキュラム学習による音楽による長期的なダンスの生成
DeepWriteSYN：深い短期表現によるオンライン手書き合成