Fugu-MT 論文翻訳(概要): An Ethical Highlighter for People-Centric Dataset Creation

論文の概要: An Ethical Highlighter for People-Centric Dataset Creation

arxiv url: http://arxiv.org/abs/2011.13583v1
Date: Fri, 27 Nov 2020 07:18:44 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 02:56:09.197583
Title: An Ethical Highlighter for People-Centric Dataset Creation
Title（参考訳）: 人中心データセット作成のための倫理的ハイライト
Authors: Margot Hanley, Apoorv Khandelwal, Hadar Averbuch-Elor, Noah Snavely and Helen Nissenbaum
Abstract要約: 本稿では,既存のデータセットの倫理的評価を導くための分析フレームワークを提案する。我々の研究は、先行研究のレビューと分析によって知らされ、そのような倫理的課題が生じる場所を強調します。
参考スコア（独自算出の注目度）: 62.886916477131486
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Important ethical concerns arising from computer vision datasets of people have been receiving significant attention, and a number of datasets have been withdrawn as a result. To meet the academic need for people-centric datasets, we propose an analytical framework to guide ethical evaluation of existing datasets and to serve future dataset creators in avoiding missteps. Our work is informed by a review and analysis of prior works and highlights where such ethical challenges arise.
Abstract（参考訳）: 人々のコンピュータビジョンデータセットから生じる重要な倫理的な懸念が注目されており、結果として多くのデータセットが削除されている。人中心データセットの学術的ニーズを満たすため、既存のデータセットの倫理的評価をガイドし、ミスステップを避けるために将来のデータセット作成者を支援するための分析フレームワークを提案する。我々の研究は、先行研究のレビューと分析によって知らされ、そのような倫理的課題が生じる場所を強調します。

関連論文リスト

Building Better Datasets: Seven Recommendations for Responsible Design from Dataset Creators [0.5755004576310334]
我々は、この分野の現状について、主要なデータセット作成者18人にインタビューした。私たちは、データセット作成者が直面している課題と考慮事項に光を当てました。責任あるデータセット作成を改善するための7つの中心的なレコメンデーションを共有します。
論文参考訳（メタデータ） (2024-08-30T20:52:19Z)
Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文参考訳（メタデータ） (2024-03-13T16:05:18Z)
Benchmarking Data Science Agents [11.582116078653968]
大規模言語モデル(LLM)は、データサイエンスエージェントとして有望な支援として登場し、データ分析と処理において人間を支援している。しかし、現実の応用の様々な要求と複雑な分析プロセスによって、それらの実用的有効性は依然として制限されている。我々は、新しい評価パラダイムであるDSEvalと、これらのエージェントの性能を評価するための一連の革新的なベンチマークを紹介する。
論文参考訳（メタデータ） (2024-02-27T03:03:06Z)
When is Off-Policy Evaluation (Reward Modeling) Useful in Contextual Bandits? A Data-Centric Perspective [64.73162159837956]
ログ化されたデータセットだけで仮説的ターゲットポリシーの価値を評価することは重要だが、難しい。データ中心のフレームワークであるDataCOPEを提案する。医療データセットを用いたログ化された文脈的帯域設定におけるDataCOPEの実証分析により、機械学習と人間の専門家ポリシーの両方を評価する能力が確認された。
論文参考訳（メタデータ） (2023-11-23T17:13:37Z)
On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-24T14:01:53Z)
EALM: Introducing Multidimensional Ethical Alignment in Conversational Information Retrieval [43.72331337131317]
我々は、倫理的アライメントを、効率的なデータスクリーニングのための初期倫理的判断段階と統合するワークフローを導入する。本稿では,ETHICSベンチマークから適応したQA-ETHICSデータセットについて述べる。さらに,二項および多ラベルの倫理的判断タスクにおいて,最高の性能を実現する新しい手法を提案する。
論文参考訳（メタデータ） (2023-10-02T08:22:34Z)
Beyond Privacy: Navigating the Opportunities and Challenges of Synthetic Data [91.52783572568214]
合成データは、機械学習の世界において支配的な力となり、データセットを個々のニーズに合わせて調整できる未来を約束する。合成データのより広範な妥当性と適用のために,コミュニティが克服すべき根本的な課題について論じる。
論文参考訳（メタデータ） (2023-04-07T16:38:40Z)
A Survey of Dataset Refinement for Problems in Computer Vision Datasets [11.45536223418548]
大規模データセットはコンピュータビジョンの進歩に重要な役割を果たしてきた。クラス不均衡、ノイズの多いラベル、データセットバイアス、高いリソースコストといった問題に悩まされることが多い。データセット問題を解決するために、様々なデータ中心のソリューションが提案されている。データセットを再構成することで、データセットの品質が向上します。
論文参考訳（メタデータ） (2022-10-21T03:58:43Z)
Bringing the People Back In: Contesting Benchmark Machine Learning Datasets [11.00769651520502]
機械学習データの系譜である研究プログラムを概説し、これらのデータセットの作成方法と理由について検討する。機械学習におけるベンチマークデータセットを基盤として運用する方法を解説し、これらのデータセットについて4つの研究課題を提起する。
論文参考訳（メタデータ） (2020-07-14T23:22:13Z)
REVISE: A Tool for Measuring and Mitigating Bias in Visual Datasets [64.76453161039973]
REVISE(Revealing VIsual biaSEs)は、視覚的データセットの調査を支援するツールである。 1)オブジェクトベース,(2)個人ベース,(3)地理ベースという3つの次元に沿った潜在的なバイアスを呈示する。
論文参考訳（メタデータ） (2020-04-16T23:54:37Z)

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。