Faithful to the Original: Fact Aware Neural Abstractive Summarization オリジナルに忠実に: ファクト・アウェア・ニューラル抽象的要約

Faithful to the Original: Fact Aware Neural Abstractive Summarization オリジナルに忠実に: ファクト・アウェア・ニューラル抽象的要約 ** Abstract抄録** 抽出的要約とは異なり、抽象的要約は原文の異なる部分を融合させなければならず、偽の事実を生成する傾向がある。 我々の予備研究では、最先端のニューラルサマリーシステムの出力の30%近くがこの問題に悩まされていることが明らかになった。 これまでの

SMILY; Similar Medical Images Like Yours

著者 Narayan Hegde, et al. abstract大規模な機関や公的な組織病理学の画像データセットの利用可能性が高まっている。これらのデータセットには通常、診断や臨床メモなどのメタデータが添付されていますが、慎重にキュレーションされたデータセットであっても、各画像上の関心領域の位置のアノテーションが含まれていることはほとんどない。病理画像は非常に大きい（各次元で最大10万画素）ため、関心のある特徴を見つけるためには、各画像の視覚的な検索が必要である。 ⇒本

優しさってなんだと思う？

僕が幼い頃に出会った、優しさの定義について考え直すきっかけになった曲があります。BUMP OF CHICKEN の 'ひとりごと' という曲です。この曲の詞を書かれた藤原基央さん本人は、以下のように語っていました。 本当に親切な行為とか、自分がいま こう言えば相手が喜んでくれるだろうな、こういう風な態度を取れば、こういう風な行動を取れば、相手が喜んでくれるんだろうなっていうのは、みんな大体分かるでしょ？ '偽善' って言葉についてもすごく考えたりして、偽善者って言葉あるじ

医療意思決定での不完全なアルゴリズムに対処する為の人間中心のツール

Human-Centered Tools for Coping with Imperfect Algorithms During Medical Decision-Making 著者 Carrie J. Cai, et al. ABSTRACT本論文では、検索された類似画像を検索する際の病理医のニーズを明らかにし、ユーザーが検索アルゴリズムにその場で対応できるようにするためのツールを開発し、異なる時点でどのようなタイプの類似性が最も重要であるかを伝えている。 INTRO

Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models

マルチモーダルなニューラル言語モデルを用いた 視覚-意味的埋め込みの統合著者 Ryan Kiros, et al. AbstractLSTMを文章をエンコードするために用いたところ, 物体検知なしでSotAに匹敵した。(ﾃﾞｰﾀｾｯﾄ: Flickr8K, Flickr30K) 1.Introduction画像認識/検知はブレークスルーが起きた ⇔キャプション生成はここから。 もし理想的なキャプションが生成されれば、(1)画像内容検索システムの可能性も向上し、(2)原理的

Image-to-Image Translation with Text Guidance

テキストガイダンスを用いた画像から画像への翻訳著者: Bowen Li, et al. University of Oxford Abstract 抄録 本論文の目的は、テキスト記述をImage-to-Image Translationに埋め込むことである。本研究では、以下の4つの要素を提案する: (1) 重要度の低い単語をﾌｨﾙﾀﾘﾝｸﾞするためのpart-of-speech(POS) タグ付け (2) ManiGAN を採用 (3) DiscriminatorとGene

「言語は感情に依存し, 感情は言語に依存する」 阪大の先生の論文にこんなことが書かれていました。

日本をどのような国にするか

を読みました。 それとは少し別の話なのですが、先日のTAKRAM RADIO PODCASTで荒木さんはどうやら読んだ本について３つのポイントにまとめたイラストで要点をなぞらえてらっしゃるそう。残念ながら僕は絵を描く才能はないのですが、この３つのポイントにまとめる、と言う部分を真似してみようと思いました。 ・大切なことは既に知っている　日本の異様な縦型社会を壊せ、だとか、どんな時にも嘘はつかず、清く正しく美しくあれ、だったり、戦争だけは絶対に繰り返してはならない。この本に

AIは助けてくれるのか、世界の綺麗な水の危機を。

Can AI help combat da world's clean water crisis? より引用 (Dec. 6, 19の記事) 多くの人は当たり前のように水を飲んでいる。けれども２０億人の世界の人々はunsanitary water(不衛生な水)を使い、785百万の人々は基本的な飲み水のサービスすら受けられないとWHOが報告している。途上国にとって、 water sanitationは高価な挑戦になりうるが、 ある日本のスタートアップが人工知能の力でwater