論文の概要: Shedding Light on Blind Spots: Developing a Reference Architecture to Leverage Video Data for Process Mining

• arxiv url: http://arxiv.org/abs/2010.11289v3
• Date: Mon, 2 May 2022 16:13:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 22:30:18.152038
• Title: Shedding Light on Blind Spots: Developing a Reference Architecture to Leverage Video Data for Process Mining
• Title（参考訳）: 盲点に光を当てる:プロセスマイニングにビデオデータを活用するための参照アーキテクチャの開発
• Authors: Wolfgang Kratsch, Fabian Koenig, Maximilian Roeglinger
• Abstract要約: 本稿では,コンピュータビジョンとプロセスマイニングのギャップを埋めるための参照アーキテクチャを提案する。 提案した参照アーキテクチャのプロトタイプインスタンス化により,非構造化ビデオデータからプロセス関連イベントのほとんどを自動的に抽出することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Process mining is one of the most active research streams in business process management. In recent years, numerous methods have been proposed for analyzing structured process data. Yet, in many cases, it is only the digitized parts of processes that are directly captured from process-aware information systems, and manual activities often result in blind spots. While the use of video cameras to observe these activities could help to fill this gap, a standardized approach to extracting event logs from unstructured video data remains lacking. Here, we propose a reference architecture to bridge the gap between computer vision and process mining. Various evaluation activities (i.e., competing artifact analysis, prototyping, and real-world application) ensured that the proposed reference architecture allows flexible, use-case-driven, and context-specific instantiations. Our results also show that an exemplary software prototype instantiation of the proposed reference architecture is capable of automatically extracting most of the process-relevant events from unstructured video data.
• Abstract（参考訳）: プロセスマイニングは、ビジネスプロセス管理における最も活発な研究の流れの1つです。 近年,構造化プロセスデータの解析手法が数多く提案されている。 しかし、多くの場合、プロセス認識情報システムから直接キャプチャされるプロセスのデジタル化部分のみであり、手動の活動は盲点をもたらすことが多い。 これらの活動を監視するためにビデオカメラを使用することは、このギャップを埋めるのに役立つが、非構造化ビデオデータからイベントログを抽出するための標準化されたアプローチは、いまだに不足している。 本稿では,コンピュータビジョンとプロセスマイニングのギャップを埋めるための参照アーキテクチャを提案する。 様々な評価活動(例えば、競合するアーティファクト分析、プロトタイピング、および実世界のアプリケーション)により、提案された参照アーキテクチャは柔軟性、ユースケース駆動、コンテキスト固有のインスタンス化を可能にする。 また,提案した参照アーキテクチャの模範的ソフトウェアプロトタイプにより,非構造化ビデオデータからプロセス関連イベントのほとんどを自動的に抽出できることを示す。

関連論文リスト

• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Appearance-Based Refinement for Object-Centric Motion Segmentation [85.2426540999329]
  本稿では,ビデオストリームの時間的一貫性を利用して,不正確なフローベース提案を補正する外観に基づく改善手法を提案する。 提案手法では,高精度なフロー予測マスクを模範として,シーケンスレベルの選択機構を用いる。 パフォーマンスは、DAVIS、YouTube、SegTrackv2、FBMS-59など、複数のビデオセグメンテーションベンチマークで評価されている。
  論文  参考訳（メタデータ） (2023-12-18T18:59:51Z)
• Deep Learning Techniques for Video Instance Segmentation: A Survey [19.32547752428875]
  ビデオインスタンスセグメンテーションは、2019年に導入された新しいコンピュータビジョン研究分野である。 ディープラーニング技術は、様々なコンピュータビジョン領域において支配的な役割を担っている。 このサーベイは、ビデオインスタンスセグメンテーションのためのディープラーニングスキームの多面的なビューを提供する。
  論文  参考訳（メタデータ） (2023-10-19T00:27:30Z)
• Discovering Hierarchical Process Models: an Approach Based on Events Clustering [0.0]
  本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。 既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
  論文  参考訳（メタデータ） (2023-03-12T11:05:40Z)
• Clustering Object-Centric Event Logs [0.36748639131154304]
  本稿では,OCEL に類似したオブジェクトをクラスタリングするクラスタリング手法を提案する。 我々のアプローチは、プロセスモデルの複雑さを減らし、エンドユーザーがプロセスに対する洞察を得るのに役立つオブジェクトの一貫性のあるサブセットを生成する。
  論文  参考訳（メタデータ） (2022-07-26T09:16:39Z)
• Tag-Based Attention Guided Bottom-Up Approach for Video Instance Segmentation [83.13610762450703]
  ビデオインスタンスは、ビデオシーケンス全体にわたるオブジェクトインスタンスのセグメンテーションと追跡を扱う、基本的なコンピュータビジョンタスクである。 そこで本研究では,従来の領域プロモーター方式ではなく,画素レベルの粒度でインスタンスマスク予測を実現するための,単純なエンドツーエンドのボトムアップ方式を提案する。 提案手法は,YouTube-VIS と DAVIS-19 のデータセット上での競合結果を提供する。
  論文  参考訳（メタデータ） (2022-04-22T15:32:46Z)
• A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
  ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。 ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
  論文  参考訳（メタデータ） (2021-07-02T15:51:07Z)
• Self-supervised Video Object Segmentation by Motion Grouping [79.13206959575228]
  動きの手がかりを利用して物体をセグメンテーションできるコンピュータビジョンシステムを開発した。 本稿では,光フローフレームを一次オブジェクトと背景に分割するトランスフォーマーの簡単なバリエーションを紹介する。 提案したアーキテクチャを公開ベンチマーク(DAVIS2016, SegTrackv2, FBMS59)で評価する。
  論文  参考訳（メタデータ） (2021-04-15T17:59:32Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)

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。