We investigate the use of multimodal information contained in images as an effective method for enhancing the commonsense of Transformer models for text generation. We perform experiments using BART and T5 on concept-to-text generation, specifically the task of generative commonsense reasoning, or CommonGen. We call our approach VisCTG: Visually Grounded Concept-to-Text Generation. VisCTG involves captioning images representing appropriate everyday scenarios, and using these captions to enrich and steer the generation process. Comprehensive evaluation and analysis demonstrate that VisCTG noticeably improves model performance while successfully addressing several issues of the baseline generations, including poor commonsense, fluency, and specificity.


翻译:我们调查利用图像中所含多式联运信息作为提高文本生成变异模型常识的有效方法。我们利用BART和T5进行概念到文字生成实验,特别是基因常识推理任务,或CommonGen。我们称之为我们的方法:VisCTG:视觉化概念到文字生成。VisCTG涉及说明描述适当的日常情景,并使用这些字幕丰富和引导生成过程。全面评价和分析表明,VisCTG显著改进了模型的性能,同时成功地解决了包括不良常识、流利和特殊性在内的几代基线人的问题。

0
下载
关闭预览

相关内容

ICML 2021论文收录
专知会员服务
122+阅读 · 2021年5月8日
【资源】问答阅读理解资源列表
专知
3+阅读 · 2020年7月25日
【ACL2020放榜!】事件抽取、关系抽取、NER、Few-Shot 相关论文整理
深度学习自然语言处理
18+阅读 · 2020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
命名实体识别(NER)综述
AI研习社
65+阅读 · 2019年1月30日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Arxiv
4+阅读 · 2018年11月7日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员