在本文中，我们推出了一种新的通用依赖树木库，用于亚马逊尼亚的一种濒危语言：秘鲁在秘鲁说的Panoan语言Kakataibo。我们首先讨论实施的协作方法，事实证明，在本科生的计算语言课程的背景下创建树库有效。然后，我们描述了树库的一般细节以及针对拟议的注释实施的特定于语言的注意事项。我们最终对词性标记和句法依赖性解析进行了一些实验。我们专注于单语和转移学习设置，在这里我们研究了另一种Panoan语言资源的Shipibo-Konibo Treebos的影响。
translated by 谷歌翻译
Timely and effective response to humanitarian crises requires quick and accurate analysis of large amounts of text data - a process that can highly benefit from expert-assisted NLP systems trained on validated and annotated data in the humanitarian response domain. To enable creation of such NLP systems, we introduce and release HumSet, a novel and rich multilingual dataset of humanitarian response documents annotated by experts in the humanitarian response community. The dataset provides documents in three languages (English, French, Spanish) and covers a variety of humanitarian crises from 2018 to 2021 across the globe. For each document, HUMSET provides selected snippets (entries) as well as assigned classes to each entry annotated using common humanitarian information analysis frameworks. HUMSET also provides novel and challenging entry extraction and multi-label entry classification tasks. In this paper, we take a first step towards approaching these tasks and conduct a set of experiments on Pre-trained Language Models (PLM) to establish strong baselines for future research in this domain. The dataset is available at https://blog.thedeep.io/humset/.
translated by 谷歌翻译
用用户涂鸦的可控图像合成是对计算机视觉社区感兴趣的主题。在本文中，我们第一次研究了不完整和原始人类绘画的影像现实主义图像合成问题。特别是，我们提出了一种新颖的方法Paint2Pix，该方法通过学习从不完整的人类绘画的绘图到其现实效果图的映射来预测（和适应用户想要从基本的笔触输入中绘制的内容）。当与自动绘画剂的最新作品结合使用时，我们表明Paint2Pix可用于从头开始进行渐进的图像合成。在此过程中，Paint2Pix允许新手用户逐步合成所需的图像输出，同时仅需要几乎没有粗的用户涂鸦来准确地引导合成过程的轨迹。此外，我们发现我们的方法还形成了一种令人惊讶的方便方法来进行真实的图像编辑，并允许用户通过仅添加几种位置良好的笔触来执行各种自定义细粒度编辑。补充视频和演示可从https://1jsingh.github.io/paint2pix获得
translated by 谷歌翻译
2021-12-16
精心设计的艺术品的产生往往非常耗时，并假设人类画家的一部分高度熟练程度。为了促进人类的绘画过程，已经在教学机器上进行了大量的研究，如何“像人类涂漆”，然后使用培训的代理作为人类用户的绘画辅助工具。然而，在该方向上的当前研究通常依赖于基于渐进的基于网格的划分策略，其中代理将整个图像分成连续更精细的网格，然后继续并行绘制它们中的每一个。这不可避免地导致人工绘画序列，这些绘画序列不容易理解人类用户。为了解决这个问题，我们提出了一种新颖的绘画方法，该方法学会在展出更为人类的绘画风格的同时生成输出画布。建议的绘画管道Intelli-Paint由1）逐步分层策略组成，允许代理首先绘制自然背景场景表示，然后以渐进式方式添加每个前景物体。 2）我们还介绍了一种新的顺序笔记本图引导策略，它可以帮助绘画代理以语义感知方式将其关注转移到不同图像区域之间。 3）最后，我们提出了一种技巧正规化策略，其允许在所需的笔触的总数减少约60-80％，而没有产生的帆布质量的任何可感知差异。通过定量和定性结果，我们表明所产生的代理商不仅在输出画布生成的增强效率上表现出更加自然的绘画风格，这将更好地帮助人类用户通过数字艺术作品表达他们的想法。
translated by 谷歌翻译