文章预测是一项长期以来一直不准确的语言描述的任务。因此，这项任务非常适合评估模型模拟本人说话者直觉的能力。为此，我们将英语英语的人和预先培训的模型的性能与文章预测的任务进行了比较，将其设置为三道选择（a/an，the，零）。我们对伯特（Bert）的实验表明，伯特（Bert）在所有文章中都超越了人类。特别是，伯特（Bert）在检测零文章时远远优于人类，这可能是因为我们使用深层神经模型可以轻松拾取的规则插入它们。更有趣的是，我们发现，当通知者协议较高时，伯特倾向于与注释者更加同意注释者，而与语料库相比，但由于通知者协议下降，因此与语料库的同意更多。我们认为，尽管接受了语料库的培训，但与注释者的这种对齐方式表明，伯特没有记住文章的使用，而是捕获了与人类直觉相似的文章的高级概括。
translated by 谷歌翻译
在本文中，我们使用一系列建模技术来调查抽象手机是否可以从接触语音声音中出现。实际上，该研究代表了尝试从语言使用的抽象出现的基于使用的语言学理论设备的尝试。我们的任务侧重于最简单的这样的假设抽象。我们测试了两个关于语言知识在语言上的语言知识的反对原则：基于内存的学习（MBL）和纠错学习（ECL）。泛化的过程得到了抽象语言学家与之运作，我们探讨了MBL和ECL是否可以产生类似语言抽象的语言知识。每个模型都有一个由一个扬声器产生的大量预处理语音。我们评估了这些简单模型所学到的一致性或稳定性以及它们引起抽象类别的能力。两种类型的模型在这些测试方面的票价不同。我们表明ECL模型可以从输入中可靠地识别了ECL模型可以学习抽象，并且至少可以从输入中可靠地识别到传统类型中的电话库存和分组。
translated by 谷歌翻译
随着非二元人在西方社会的关注越来越多，性别对语言的策略开始摆脱二进制（仅女性/男性）性别概念。然而，到目前为止，几乎没有任何将这些身份考虑到机器翻译模型中的方法。缺乏对此类技术的社会技术意义的理解，可能会进一步再现压迫和贴标记的语言机制。在本文中，我们描述了关于性别对语言和语言技术研讨会的方法和结果，该研讨会由Tu Wien，St.P \“ Olten UAS，FH UAS，FH校园Wien和Vienna大学的十位研究人员领导和组织并于2021年秋季在维也纳举行。邀请了广泛的利益集团及其代表确保可以整体处理该主题。因此，我们的目的是包括翻译人员，机器翻译专家和非二元个人（如社区专家”）在平等的基础上。我们的分析表明，机器翻译中的性别需要高度的上下文敏感性，因此，这种技术的开发人员需要在仍在社会谈判中的过程中谨慎地定位自己，并且灵活的方法似乎最适合目前。然后，我们说明了从性别面对语言技术领域的结果遵循的步骤，以便技术发展可以充分地排列U P具有社会进步。 - [德语摘要由Arxiv Admins手动添加]
translated by 谷歌翻译
2D动画是游戏开发的常见因素，用于角色，效果和背景艺术。它涉及需要技巧和时间的工作，但其中一部分是重复的和乏味的。存在自动动画方法，但设计的是没有动画师的设计。重点是现实生活中的视频，该视频遵循对象如何移动的严格定律，并且不考虑2D动画中经常存在的风格运动。我们提出了一个问题公式，更紧密地遵守动画的标准工作流程。我们还展示了一个模型，即Schrotchbetween，该模型学会了在钥匙帧之间映射，并在速率内绘制了绘制的精灵动画。我们证明我们的问题公式为任务提供了所需的信息，并且我们的模型优于现有方法。
translated by 谷歌翻译
在嘈杂和致密的荧光显微镜数据中跟踪胚胎的所有核是一项具有挑战性的任务。我们建立在最新的核跟踪方法的基础上，该方法结合了弱监督的学习，从一小部分核中心点注释与整数线性程序（ILP）结合了最佳的细胞谱系提取。我们的工作专门解决了秀丽隐杆线虫胚胎记录的以下具有挑战性的特性：（1）与其他生物的基准记录相比，许多细胞分裂以及（2）很容易被误认为是细胞核的极性体。为了应付（1），我们设计并纳入了学习的细胞分裂检测器。为了应付（2），我们采用了学到的极性身体探测器。我们进一步提出了通过结构化的SVM调整自动化的ILP权重，从而减轻了对各自的网格搜索进行乏味的手动设置的需求。我们的方法的表现优于Fluo-N3DH-CE胚胎数据集上细胞跟踪挑战的先前领导者。我们报告了另外两个秀丽隐杆线虫数据集的进一步广泛的定量评估。我们将公开这些数据集作为未来方法开发的扩展基准。我们的结果表明，我们的方法产生了可观的改进，尤其是在分区事件检测的正确性以及完全正确的轨道段的数量和长度方面。代码：https：//github.com/funkelab/linajea
translated by 谷歌翻译
图形匹配优化问题是计算机视觉中许多任务的重要组成部分，例如在通信中带来两个可变形对象。自然，在过去的几十年中，已经提出了广泛的适用算法。由于尚未开发出通用的标准基准，因此由于对不同的问题实例的评估和标准使结果无与伦比，因此通常很难验证其绩效主张。为了解决这些缺点，我们提出了匹配算法的比较研究。我们创建了一个统一的基准测试标准，在其中收集和分类了一组现有和公开可用的计算机视觉图形匹配问题，以通用格式。同时，我们收集和分类图形匹配算法的最流行的开源实现。它们的性能以与比较优化算法的最佳实践相符的方式进行评估。该研究旨在可再现和扩展，以作为未来的宝贵资源。我们的研究提供了三个值得注意的见解：1。）流行问题实例在少于1秒的时间内完全可以解决，因此不足以进行将来的经验评估； 2.）最受欢迎的基线方法高于最佳可用方法； 3.）尽管该问题存在NP硬度，但即使对于具有超过500个顶点的图形，也可以在几秒钟内求解来自视力应用程序的实例。
translated by 谷歌翻译
We present a novel method for proposal free instance segmentation that can handle sophisticated object shapes which span large parts of an image and form dense object clusters with crossovers. Our method is based on predicting dense local shape descriptors, which we assemble to form instances. All instances are assembled simultaneously in one go. To our knowledge, our method is the first non-iterative method that yields instances that are composed of learnt shape patches. We evaluate our method on a diverse range of data domains, where it defines the new state of the art on four benchmarks, namely the ISBI 2012 EM segmentation benchmark, the BBBC010 C. elegans dataset, and 2d as well as 3d fluorescence microscopy data of cell nuclei. We show furthermore that our method also applies to 3d light microscopy data of Drosophila neurons, which exhibit extreme cases of complex shape clusters
translated by 谷歌翻译