Interactive Acquisition of Fine-grained Visual Concepts by Exploiting Semantics of Generic Characterizations in Discourse

要約

【タイトル】
対話における一般的な特徴の意味を利用して、細かい視覚的概念をインタラクティブに獲得する

【要約】
– インタラクティブタスク学習（ITL）は、人間のユーザーとの自然な対話を通じて予期しないドメイン概念について学ぶことを指します。
– 最初に述べられた新しい単語を指したときに具体的な信念の更新を実行するため、学習はオンラインで、増分的で、フェイシャットである必要があります。
– この研究では、ITLが課す制約の中で、非常に似たオブジェクトクラスを識別することを目的としたシンボルグラウンディングタスクについて検討します。
– 具体的な教師の一般的な声明（例：「Xは属性Zを持っている」）の真偽条件と、文脈の含意（例：「XとYの違いは何ですか？」に対する回答として、Yは属性Zを持たないことが推論される）を利用することで、よりデータ効率的なグラウンディング結果が得られることを示します。

要約(オリジナル)

Interactive Task Learning (ITL) concerns learning about unforeseen domain concepts via natural interactions with human users. The learner faces a number of significant constraints: learning should be online, incremental and few-shot, as it is expected to perform tangible belief updates right after novel words denoting unforeseen concepts are introduced. In this work, we explore a challenging symbol grounding task–discriminating among object classes that look very similar–within the constraints imposed by ITL. We demonstrate empirically that more data-efficient grounding results from exploiting the truth-conditions of the teacher’s generic statements (e.g., ‘Xs have attribute Z.’) and their implicatures in context (e.g., as an answer to ‘How are Xs and Ys different?’, one infers Y lacks attribute Z).

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI