Ежедневные статьи

Предобученные языковые модели (PLM) в настоящее время являются основным инструментом для обработки естественного языка. Несмотря на их впечатляющую производительность в решении задач, применение PLM к новым языкам может быть затруднено, что создает барьер для их универсальной доступности. Хотя предыдущие исследования показали, что эту проблему можно решить путем обучения нового слоя эмбеддингов для нового языка, такой подход требует значительных вычислительных ресурсов и данных. Мы предлагаем использовать механизм активного забывания в процессе предобучения как простой способ создания PLM, которые могут быстро адаптироваться к новым языкам. Конкретно, сбрасывая слой эмбеддингов каждые K обновлений во время предобучения, мы стимулируем PLM улучшать способность к обучению новых эмбеддингов за ограниченное число обновлений, что аналогично эффекту метаобучения. Эксперименты с моделью RoBERTa показывают, что модели, предобученные с нашим механизмом забывания, не только демонстрируют более быструю сходимость при адаптации к языкам, но и превосходят стандартные модели в условиях ограниченного объема данных, особенно для языков, далеких от английского.

Моделирование 3D-аватаров полезно в различных сценариях применения, таких как AR/VR, игры и кинопроизводство. Лица персонажей вносят значительный вклад в разнообразие и выразительность как важный компонент аватаров. Однако создание 3D-моделей лиц персонажей обычно требует больших усилий с использованием коммерческих инструментов, даже для опытных художников. Различные существующие инструменты на основе эскизов не поддерживают любителей в моделировании разнообразных форм лица и богатых геометрических деталей. В этой статье мы представляем SketchMetaFace — систему для создания эскизов, предназначенную для пользователей-любителей, позволяющую моделировать высококачественные 3D-лица за считанные минуты. Мы тщательно разработали как пользовательский интерфейс, так и базовый алгоритм. Во-первых, используются штрихи, учитывающие кривизну, чтобы лучше поддерживать управляемость при создании деталей лица. Во-вторых, учитывая ключевую проблему преобразования 2D-эскиза в 3D-модель, мы разработали новый метод на основе обучения, названный "Моделирование сетки с использованием неявных и глубинных данных" (IDGMM). Он объединяет преимущества представлений в виде сетки, неявных и глубинных данных для достижения высококачественных результатов с высокой эффективностью. Кроме того, для дальнейшего повышения удобства использования мы представляем интерфейс для создания эскизов от грубого к детальному и инструмент для предложения штрихов на основе данных. Исследования с участием пользователей демонстрируют превосходство нашей системы над существующими инструментами моделирования с точки зрения простоты использования и визуального качества результатов. Экспериментальные анализы также показывают, что IDGMM достигает лучшего баланса между точностью и эффективностью. SketchMetaFace доступен по адресу https://zhongjinluo.github.io/SketchMetaFace/.