基于局部语义增强的中文拼写纠错方法

针对当前主流的中文拼写纠错模型对文本局部上下文特征学习不足的问题,该文提出基于局部语义特征增强的改进思路:在自注意力计算单元中添加高斯分布的偏置矩阵,改变注意力权重分布,使得纠错模型可以强化对当前位置相邻文本特征的学习;而在计算注意力得分时减少当前位置的权重,可以进一步提升学习局部信息的效果。实验表明,该文提出的改进方法对中文拼写纠错任务的精确率、召回率和F1值均有提升,其中F1值与过往最好成果相比可提升1.74%。

基于前向注意力机制的长句子语音合成方法

针对基于注意力机制的序列到序列模型在合成长句子语音时出现的漏读、重读问题,根据前向算法提出了前向注意力机制,其利用前一时刻的注意力得分平滑当前异常得分。在此基础上,进一步提出了带约束的前向注意力机制,通过引入约束因子自适应平滑当前异常得分。实验结果表明,提出的前向注意力机制能够有效解决长句子语音合成中出现的漏读、重读问题,并具有更快的收敛速度和较好的稳定性,同时带约束的前向注意力机制又能够控制合成语音的速度,提高其自然度,在MOS得分上,相比基线模型Tacotron2,有2.5%左右的提升。

基于区域色彩迁移的3D人脸重建质量提升方法

针对在3D人脸重建领域内,由于3D点云数据分布不均匀,在点云数据稀疏的区域会造成颜色填充,从而导致3D人脸生成效果不佳的问题。提出了一种在PRNet的基础上基于reinhard色彩迁移算法和RGB色域分割相结合的区域色彩迁移算法。使用RGB色域分割将颜色填充部分边界确定出来,然后使用reinhard色彩迁移算法进行区域的色彩迁移。从而完成在不影响整体人脸颜色的情况下迁移指定区域色彩。在Florence和AFLW2000-3D数据集中生成的人脸质量比现有人脸生成算法生成的质量有显著的提高,为在不提高3D点云数据量的基础上改善颜色填充的情况提供了新的解决方案。