This paper presents our work on the Situated Interactive MultiModal Conversations 2.0 challenge held at Dialog State Tracking Challenge 10. SIMMC 2.0 includes 4 subtasks, and we introduce our multimodal approaches for the subtask \#1, \#2 and the generation of subtask \#4. SIMMC 2.0 dataset is a multimodal dataset containing image and text information, which is more challenging than the problem of only text-based conversations because it must be solved by understanding the relationship between image and text. Therefore, since there is a limit to solving only text models such as BERT or GPT2, we propose a multimodal model combining image and text. We first pretrain the multimodal model to understand the relationship between image and text, then finetune our model for each task. We achieve the 3rd best performance in subtask \#1, \#2 and a runner-up in the generation of subtask \#4. The source code is available at https://github.com/rungjoo/simmc2.0.


翻译:本文介绍我们在 " 对话国跟踪挑战10 " 中进行的关于 " 点点互动多式互动多式对话2.0挑战 " 的工作。 SIMMC 2. 0 包括4个子任务,我们为子任务+1, ⁇ 2和生成子任务+4. SIMMC 2. 0 数据集介绍了我们的多式方法。 SIMMC 2. 0 数据集是一个包含图像和文本信息的多式数据集,这比仅仅基于文本的对话问题更具挑战性,因为它必须通过理解图像和文本之间的关系来解决。因此,由于只解决像BERT或GPT2这样的文本模型是有限度的,我们建议采用一个将图像和文本相结合的多式模型。我们首先为多式模型预设了理解图像和文本之间关系的模式,然后对每一项任务进行微调。我们在子任务+1, ⁇ 2 和子任务+4. 的生成中取得了第三种最佳性能。源代码可在https://github.com/rungjoo/simmc2.0上查阅。

0
下载
关闭预览

相关内容

专知会员服务
22+阅读 · 2021年7月23日
专知会员服务
18+阅读 · 2021年7月11日
微软《神经语音合成》综述论文,63页pdf530篇文献
专知会员服务
29+阅读 · 2021年7月3日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
RoBERTa中文预训练模型:RoBERTa for Chinese
PaperWeekly
57+阅读 · 2019年9月16日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
Facebook PyText 在 Github 上开源了
AINLP
7+阅读 · 2018年12月14日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
从Seq2seq到Attention模型到Self Attention(二)
量化投资与机器学习
23+阅读 · 2018年10月9日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Imitation by Predicting Observations
Arxiv
4+阅读 · 2021年7月8日
Arxiv
17+阅读 · 2021年3月29日
Learning Discriminative Model Prediction for Tracking
Attend More Times for Image Captioning
Arxiv
6+阅读 · 2018年12月8日
VIP会员
相关资讯
RoBERTa中文预训练模型:RoBERTa for Chinese
PaperWeekly
57+阅读 · 2019年9月16日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
Facebook PyText 在 Github 上开源了
AINLP
7+阅读 · 2018年12月14日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
从Seq2seq到Attention模型到Self Attention(二)
量化投资与机器学习
23+阅读 · 2018年10月9日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Top
微信扫码咨询专知VIP会员