IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> [论文记录] 2019 - Multimodal Transformer for Unaligned Multimodal Language Sequences -> 正文阅读

[人工智能][论文记录] 2019 - Multimodal Transformer for Unaligned Multimodal Language Sequences

[论文记录] 2019 - Multimodal Transformer for Unaligned Multimodal Language Sequences(更新中)


论文简介

原论文:Multimodal Transformer for Unaligned Multimodal Language Sequences1
针对非对齐多模态语言序列的多模态Transformer

论文地址:https://arxiv.org/abs/1906.00295

源码地址:https://github.com/yaohungt/Multimodal-Transformer

以下仅为作者阅读论文时的记录,学识浅薄,如有错误,欢迎指正。


论文内容

摘要

  • Human language is often multimodal, which comprehends a mixture of natural language, facial gestures, and acoustic behaviors.
    人类的语言通常是多模态的,包含了自然语言、面部姿态以及声学行为。

  • However, two major challenges in modeling such multimodal human language time-series data exist:
    无论如何,建模这种多模态人类语言的时间序列数据存在两个主要的挑战

  • 1)inherent data non-alignment due to variable sampling rates for the sequences from each modality;
    1)每个模态序列的采样率差异导致固有数据没有对齐

  • and 2)long-range dependencies between elements across modalities.
    2)跨模态元素存在长期的依赖

  • In this paper, we introduce the Multimodal Transformer (MulT) to generically address the above issues in an end-to-end manner without explicitly aligning the data.
    本文介绍了一种多模态Transformer(MulT) 以一种不用显示数据对齐端到端方式来解决上述问题。

  • At the heart of our model is the directional pairwise cross-modal attention, which attends to interactions between multimodal sequences across distinct time steps and latently adapt streams from one modality to another.
    本文模型的核心是定向跨模态注意力,它关注的是时间步长下多模态序列间的交互,以及潜在适应从某个模态到另一模态的流。

  • Comprehensive experiments on both aligned and non-aligned multimodal time-series show that our model outperforms state-of-the-art methods by a large margin.
    在对齐和非对齐的多模态时间序列上的实验都表明本文的模型超越了SOTA

  • In addition, empirical analysis suggests that correlated crossmodal signals are able to be captured by the proposed crossmodal attention mechanism in MulT.
    此外,实证分析表明,通过MulT中跨模态的注意力机制可以捕获到相关的跨模态信号

1 介绍


  1. Tsai Y H H, Bai S, Liang P P, et al. Multimodal transformer for unaligned multimodal language sequences[C]//Proceedings of the conference. Association for Computational Linguistics. Meeting. NIH Public Access, 2019, 2019: 6558. ??

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-11-19 17:37:57  更:2021-11-19 17:40:04 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/18 19:42:22-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码