論文の概要: Computational Design with Crowds

• arxiv url: http://arxiv.org/abs/2002.08657v1
• Date: Thu, 20 Feb 2020 10:40:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 08:18:10.729911
• Title: Computational Design with Crowds
• Title（参考訳）: 群衆による計算設計
• Authors: Yuki Koyama and Takeo Igarashi
• Abstract要約: 計算設計は、計算技術を用いて設計プロセスをサポートし、自動化することを目的としている。 有望なアプローチの1つは、人間の計算、すなわち、人間の入力をプロセスに組み込むことである。 本稿では,パラメータ処理系の領域における群集との計算設計について論じる。
• 参考スコア（独自算出の注目度）: 34.76077954140923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational design is aimed at supporting or automating design processes using computational techniques. However, some classes of design tasks involve criteria that are difficult to handle only with computers. For example, visual design tasks seeking to fulfill aesthetic goals are difficult to handle purely with computers. One promising approach is to leverage human computation; that is, to incorporate human input into the computation process. Crowdsourcing platforms provide a convenient way to integrate such human computation into a working system. In this chapter, we discuss such computational design with crowds in the domain of parameter tweaking tasks in visual design. Parameter tweaking is often performed to maximize the aesthetic quality of designed objects. Computational design powered by crowds can solve this maximization problem by leveraging human computation. We discuss the opportunities and challenges of computational design with crowds with two illustrative examples: (1) estimating the objective function (specifically, preference learning from crowds' pairwise comparisons) to facilitate interactive design exploration by a designer and (2) directly searching for the optimal parameter setting that maximizes the objective function (specifically, crowds-in-the-loop Bayesian optimization).
• Abstract（参考訳）: 計算設計は、計算技術を用いて設計プロセスを支援または自動化することを目的としている。 しかし、設計タスクのいくつかのクラスは、コンピュータでのみ扱うのが難しい基準を含んでいる。 例えば、美的目標を達成するためのビジュアルデザインタスクは、コンピュータで純粋に扱うのは難しい。 有望なアプローチの1つは、人間の計算、すなわち人間の入力を計算プロセスに組み込むことである。 クラウドソーシングプラットフォームは、このような人間の計算を作業システムに統合する便利な方法を提供する。 本章では,視覚設計におけるパラメータ調整タスクの領域における群集との計算設計について論じる。 パラメータ調整は、しばしば設計対象の美的品質を最大化するために行われる。 群衆による計算設計は、人間の計算を利用してこの最大化問題を解決することができる。 本稿では,(1)設計者によるインタラクティブなデザイン探索を容易にするために,目的関数(特に対数比較による選好学習)を推定すること,(2)目的関数を最大化する最適パラメータ設定を直接探索すること(特に,ループ内ベイズ最適化)の2つの例を用いて,計算設計の機会と課題について議論する。

関連論文リスト

• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Tuning computer vision models with task rewards [88.45787930908102]
  モデル予測と意図された使用法とのミスは、コンピュータビジョンモデルの展開に有害である。 自然言語処理では、モデルとタスク報酬を整合させる強化学習技術を用いて、この問題に対処することが多い。 我々はこのアプローチを採用し、オブジェクト検出、汎視的セグメンテーション、着色、画像キャプションなど、複数のコンピュータビジョンタスクにまたがる驚くべき効果を示す。
  論文  参考訳（メタデータ） (2023-02-16T11:49:48Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
  本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。 これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。 この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2022-08-22T12:12:43Z)
• Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
  設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
  論文  参考訳（メタデータ） (2022-04-15T20:40:43Z)
• Physical Design using Differentiable Learned Simulators [9.380022457753938]
  逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。 この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。 この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
  論文  参考訳（メタデータ） (2022-02-01T19:56:39Z)
• An adaptive artificial neural network-based generative design method for layout designs [17.377351418260577]
  適応型人工ニューラルネットワークに基づく生成設計手法の提案と開発。 新しい適応学習と最適化戦略が提案され、設計空間を効果的に探索することができます。 2つの熱源レイアウト設計問題に対して,提案手法の性能を実証した。
  論文  参考訳（メタデータ） (2021-01-29T05:32:17Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。