DSS:利用数据增强、风格编码与分段生成合成长数字墨迹
人机交互
2023-11-30 v1 计算与语言
摘要
随着文本生成模型能够给出越来越长的回答,我们着手解决数字墨迹中长文本合成的问题。我们表明,该任务常用模型无法泛化到长文本数据,以及该问题如何通过增强训练数据、改变模型架构与推理过程来解决。这些方法使用对比学习技术,并专门针对手写领域定制。它们可应用于任何处理数字墨迹的编码器-解码器模型。我们证明,相较于基线RNN,我们的方法将长文本英文数据的字符错误率降低了一半,相较于旨在解决同一问题的先前方法降低了16%。我们表明该方法的三个部分均提升了生成墨迹的可识别性。此外,我们在一项人类研究中评估了合成数据,发现人们将大多数生成数据感知为真实数据。
引用
@article{arxiv.2311.17786,
title = {DSS: Synthesizing long Digital Ink using Data augmentation, Style encoding and Split generation},
author = {Aleksandr Timofeev and Anastasiia Fadeeva and Andrei Afonin and Claudiu Musat and Andrii Maksai},
journal= {arXiv preprint arXiv:2311.17786},
year = {2023}
}