《论文阅读》PECER：通过动态人格提取和情境情绪推理产生同理心反应 ICASSP 2024

最新推荐文章于 2024-10-01 22:10:53 发布
最新推荐文章于 2024-10-01 22:10:53 发布
阅读量82 收藏
点赞数
分类专栏： 情感对话 个性化回复 文章标签： 论文阅读 对话生成 个性化 共情回复 个性
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44833392/article/details/142671832
版权
情感对话 同时被 2 个专栏收录
72 篇文章 59 订阅 ¥29.90 ¥99.00
订阅专栏
个性化回复
4 篇文章 0 订阅
订阅专栏

《论文阅读》PECER：通过动态人格提取和情境情绪推理产生同理心反应 ICASSP 2024

前言

亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~
无抄袭，无复制，纯手工敲击键盘~

今天为大家带来的是《PECER: Empathetic Response Generation Via Dynamic Personality Extraction And Contextual Emotional Reasoning》

在这里插入图片描述

出版：ICASSP

时间：2024

类型：共情回复生成

特点：回复生成；共情回复；动态个性；个性提取

作者：Mingxiu Cai

第一作者机构：School of Computer Science and Engineering, Northeastern University, Shenyang, China

简介

本文的亮点在于在共情对话领域加入个性化信息，提出了一个动态的个性提取器和上下文情感推理器

上下文情感推理器

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
专栏目录
订阅专栏
ICASSP2024-Paper-Templates.zip
08-11
ICASSP2024_Paper_Templates模板 包含word模板和Latex模板
SAMF代码：用于目标检测的小面积Aeare多聚焦图像融合（ICASSP 2024）附matlab代码.zip
01-26
3.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 4.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机...
ICASSP 2021 论文latex模板
09-18
通过理解和掌握这个LaTeX模板，作者可以高效、专业地撰写和格式化ICASSP 2021的论文，提高论文的可读性和专业度。在`mine`文件中添加和编辑内容时，务必遵循LaTeX的规则，以确保最终的论文质量。
icassp_论文模板_
11-11
icassp_论文模板
icassp2015:ICASSP 2015论文代码
05-18
在ICASSP 2015上提交的论文代码[1]。如果发现此代码有用，请引用本文！ 有两个主要脚本可以立即使用： main_demo.m从[1]复制图3和图4 main_test_circ_vad.m根据包含在示例音频中的，来自QUT-NOISE语料库[2]的[1]...
【Anti-UAV410】论文阅读
weixin_45074568的博客
09-25 1180
比较结果见表II。值得注意的是，Anti-UAV 410数据集显示了很大比例的小目标，其中超过一半的目标的尺寸小于50像素，甚至包括一定比例的微小目标（尺寸小于10像素），这些微小目标被其他数据集（如VOT-TIR 2015 [35]、VOT-TIR 2016 [5]、PTB-TIR [26]和LSOTB [6]）遗漏。反无人机数据集[2]是一个多模态数据集，包括318个视频对。该数据集旨在解决不同模式下反无人机跟踪的挑战，例如基于视觉的跟踪器可能表现不佳的低光条件。
论文笔记：Anytime Continual Learning for Open Vocabulary Classification
weixin_47505105的博客
10-01 145
在开放词汇表图像分类中，随着时间的推移，模型需要不断学习新的标签，同时保留对旧标签的记忆。
Frequency-aware Feature Fusion for Dense Image Prediction 论文阅读
weixin_51657614的博客
10-01 107
为了实现这一点，现代分层模型通常利用特征融合，直接添加来自深层的上采样粗特征和来自较低层次的高分辨率特征。在本文中，我们观察到融合特征值在对象内的快速变化，由于高频特征的干扰导致类别内不一致。此外，融合特征中模糊的边界缺乏准确的高频，导致边界位移。ALPF生成器预测空间变化的低通滤波器，以衰减对象内的高频组件，减少上采样期间的类内不一致。偏移量发生器通过重采样将不一致的特征替换为更一致的特征来细化大的不一致特征和细边界，而AHPF发生器增强了下采样过程中丢失的高频详细边界信息。
车辆重识别（2021NIPS在图像合成方面，扩散模型打败了gans网络）论文阅读2024/10/01
vegetabler的博客
10-01 163
向分类器中输入xt，发现与真实类别匹配概率小，计算对xt的梯度，让xt以一定的包含梯度的步幅进行移动，使得匹配概率增加。其实这里有点像之前卷积神经网络中参数w更新的原理，w也是在梯度方向上移动，以此来使得loss值最小。但是这两种算法不是简单的对xt进行处理，①是对预测的均值μ进行处理，让均值μ在梯度方向上移动。另外，s可以叫做学习率，主要是控制在梯度方向上移动的步幅，和之前卷积神经网络中的w更新公式中的学习率差不多。2，那么具体来说，如何根据当前时刻xt的梯度，来调整xt？BigGAN残差块是什么意思？
9、论文阅读：无监督的感知驱动深水下图像增强
DQHNB的博客
09-27 830
当前的 UIE 算法主要通过最小化增强图像和地面真实图像之间的重建损失，在合成数据集或具有伪标签的数据集上训练深度神经网络（DNN）。但是，合成和真实的水下图像有差距，在合成图像上训练的网络在真实环境下不一定有好的表现。并且使用L1和L2损失函数，往往忽视人类感知的重要性，（L1和L2损失只关注像素级别的差异，没有考虑人类视觉系统的感知特性。人类的眼睛对边缘和纹理的变化敏感，但是对颜色变化相对不敏感。为此，可以使用感知损失或者风格迁移损失 ​），导致增强的图片不尽人意。因此，本论文提出了一个。
论文阅读《Co-clustering for Federated Recommender System》
wzj1212123的博客
09-26 1264
第二个创新点凑数用的，典中典利用服务器的聚类信息给客户端作对比学习，重点在于提出以往聚类的不足以及新型聚类方法。
论文阅读：LM-Cocktail: Resilient Tuning of Language Models via Model Merging
comli_cn的博客
09-27 300
预训练的语言模型不断进行微调，以更好地支持下游应用。然而，此操作可能会导致目标领域之外的通用任务的性能显著下降。为了克服这个问题，我们提出了LM Cocktail，它使微调后的模型在总体上保持弹性。我们的方法以模型合并（Model Merging）的形式进行，其中微调的语言模型通过加权平均与预训练的基础模型或其他领域的对等模型合并。尽管简单，LM Cocktail却出奇地有效：由此产生的模型在整个通用任务领域内拥有强大的性能，同时在其目标领域保持卓越的能力。
PO2GO、PO2Vec论文阅读与模型复现报告
cqbzcsq的博客
09-25 919
今年的一篇经典蛋白质功能预测论文，思路自然，效果也不错模型主要分为两个部分，PO2Vec和PO2GO，PO2Vec是PO2GO的一个模块。数据集使用了CAFA3和Swissprot，使用的是蛋白质序列特征和GO标签依赖关系特征。
【论文阅读】Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
qq_33673253的博客
09-26 1054
本文介绍了扩散策略，这是一种通过将机器人的视觉运动policy表示为条件去噪扩散过程来生成机器人行为的新方法。我们对来自 4 个不同的机器人操作基准的 15 个不同任务的扩散策略进行了基准测试，发现它始终优于现有的 state-of-the-art 机器人学习方法，平均提高了 46.9%。扩散策略学习动作分布评分函数的梯度，并通过一系列随机朗之万动力学步骤在推理过程中针对该梯度场迭代优化。
车辆重识别（利用扩散模型合成有效数据进行行人再识别预训练）论文阅读2024/9/27
vegetabler的博客
09-28 415
在本文中，我们提出了一种新的范式Diffusion - ReID，在不需要任何数据收集和标注成本的情况下，基于已知的身份来有效地增强和生成多样化的图像。得益于我们提出的方法，我们首先创建了一个新的大规模行人重识别数据集Diff - Person，该数据集由来自5，183个身份的超过777K张图片组成。具体来说，LPE模块将特定的ID图像序列和类别级别的提示P作为输入，通过预训练的图像描述模型生成具有细粒度局部细节和全局上下文信息的增强提示PE。3 )特定的数据源限制了数据的数量和多样性。
论文阅读 | HiDDeN网络架构
2301_81845359的博客
09-27 1119
直接使用神经网络生成含秘载体，是使用深度学习在图像水印及信息隐藏上的里程碑。
【论文阅读】基于真实数据感知的模型功能窃取攻击
最新发布
Glass_Gun的博客
10-01 162
模型功能窃取攻击是人工智能安全领域的核心问题之一，目的是利用有限的与目标模型有关的信息训练出性能接近的克隆模型，从而实现模型的功能窃取。针对此类问题，一类经典的工作是基于生成模型的方法，这类方法利用生成器生成的图像作为查询数据，在同一查询数据下对两个模型预测结果的一致性进行约束，从而进行模型学习。然而此类方法生成器生成的数据常常是人眼不可辨识的图像，不含有任何语义信息，导致目标模型的输出缺乏有效指导性。针对上述问题，提出一种新的模型窃取攻击方法，实现对图像分类器的有效功能窃取。
车辆重识别（注意力 U-Net：学习在哪些区域寻找胰腺）论文阅读2024/10/01
vegetabler的博客
10-01 102
对于一张特征图来说，对于这张图中的每一个像素向量（例如a），计算该向量与所有像素向量的相似度，对这些相似度进行激活函数处理得到注意力得分。对注意力得分进行归一化得到a向量对所有像素向量的注意力权重，然后a向量对每一个像素向量的注意力权重与对应的值向量（有可能是对应的像素向量）相乘并求和，得到最终的更新特征。
GS-SLAM论文阅读笔记--GEVO
qq_45795134的博客
09-26 1087
虽然高斯飞溅(GS)允许高保真重建3D场景，但目前基于高斯飞溅的SLAM记忆效率不高，因为大量过去的图像被存储以重新训练高斯函数以减少灾难性遗忘。这些图像通常需要比建图本身高两个数量级的内存，因此占据了总内存使用量。为了减轻遗忘，基于神经辐射场和高斯飞溅(GS)的方法都在当前滑动窗口之外存储了大量的过去图像，以重复重新训练地图。不幸的是，用于存储这些图像的开销内存占总内存的大部分，并且比当前滑动窗口和地图本身都要高几个数量级。
icassp2023
09-09
ICASSP 2023是指将于2023年举行的国际会议，全称为International Conference on Acoustics, Speech, and Signal Processing。这个会议是一个重要的学术会议，涵盖了声学、语音和信号处理等领域的研究和应用。在ICASSP 2023会议上，Shengkui Zhao和Bin Ma的论文《MossFormer: Pushing the Performance Limit of Monaural Speech Separation using Gated Single-head Transformer with Convolution-augmented Joint Self-Attentions》被接受发表。 这篇论文介绍了一种称为MossFormer的单通道语音分离模型，它使用了结合了卷积增强的联合自注意力的门控单头Transformer，通过提高性能限制来实现单声道语音分离。 如果你对该模型进行调优训练，你可以参考ICASSP 2023会议上收录的这篇论文，并结合你自己的数据进行调优。你可以参考论文中的方法和技巧，根据你的需求进行适当的修改和训练。 此外，如果你需要用于训练的数据集，你可以参考ModelScope上提供的Libri2Mix_8k数据集。该数据集收集了来自LibriSpeech数据集的混合语音样本，用于单通道语音分离任务的研究和训练。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

365JHWZGo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值