Text2Traj2Text：用于人类运动轨迹情境描述的学习-合成框架
计算与语言
2024-09-20 v1
摘要
本文提出了 Text2Traj2Text，一种 novel 的学习-合成框架，用于描述零售商店中购物者轨迹数据背后可能的情境。我们的工作将影响需要更好客户理解的各种零售应用，如定向广告和库存管理。关键思想是利用大型语言模型合成多样且真实的情境描述集合，以及相应的在商店地图上的运动轨迹。尽管模型是从完全合成的数据中学习的，但它能够很好地泛化到由真实人类主体创建的轨迹/描述。我们的系统评估确认了该框架在 ROUGE 和 BERT Score 指标方面优于竞争方法的有效性。
引用
@article{arxiv.2409.12670,
title = {Text2Traj2Text: Learning-by-Synthesis Framework for Contextual Captioning of Human Movement Trajectories},
author = {Hikaru Asano and Ryo Yonetani and Taiki Sekii and Hiroki Ouchi},
journal= {arXiv preprint arXiv:2409.12670},
year = {2024}
}
备注
To appear in the International Natural Language Generation Conference (INLG 2024)