Multimodal machine learning algorithms aim to learn visual-textual correspondences. Previous work suggests that concepts with concrete visual manifestations may be easier to learn than concepts with abstract ones. We give an algorithm for automatically computing the visual concreteness of words and topics within multimodal datasets. We apply the approach in four settings, ranging from image captions to images/text scraped from historical books. In addition to enabling explorations of concepts in multimodal datasets, our concreteness scores predict the capacity of machine learning algorithms to learn textual/visual relationships. We find that 1) concrete concepts are indeed easier to learn; 2) the large number of algorithms we consider have similar failure cases; 3) the precise positive relationship between concreteness and performance varies between datasets. We conclude with recommendations for using concreteness scores to facilitate future multimodal research.


翻译:多式机器学习算法旨在学习视觉-文字通信。 先前的工作表明,具有具体视觉表现的概念可能比抽象概念更容易学习。 我们为自动计算多式数据集内文字和专题的视觉具体性提供了一种算法。 我们在四种情况下采用了这种方法,从图像字幕到历史书籍中的图像/文字。 除了能够探索多式数据集中的概念外,我们的具体性能还预测了机器学习算法学习文字/视觉关系的能力。我们发现:(1) 具体概念确实更容易学习;(2) 我们所考虑的大量算法存在类似的失败案例;(3) 具体性和性能之间在数据集之间差别不一的精确积极关系。 我们最后提出了使用具体性分数促进未来多式联运研究的建议。

5
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
VIP会员
Top
微信扫码咨询专知VIP会员