研究人员推出了一种新颖的多模态命名实体识别（MNER）方法 DiffImaginE，该方法利用条件潜扩散推理。该方法将类型验证构建为一个扩散过程，其中一个类型条件去噪器预测注入标准化潜在表示中的噪声。由此产生的去噪误差作为类型条件负对数似然的代理，从而能够根据解释力对竞争实体类型假设进行排名。在 Twitter-2015 和 Twitter-2017 数据集上的实验表明，与现有的确定性想象与比较方法相比，性能得到了一致的提升。 AI
影响 引入了一种新颖的基于扩散模型的多模态实体识别方法，有望提高结合文本和视觉数据的任务的准确性。
排序理由 该集群包含一篇详细介绍多模态命名实体识别新方法的 ist 研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
