論文の概要: BIKED: A Dataset and Machine Learning Benchmarks for Data-Driven Bicycle
Design
- arxiv url: http://arxiv.org/abs/2103.05844v1
- Date: Wed, 10 Mar 2021 03:12:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 20:10:57.886179
- Title: BIKED: A Dataset and Machine Learning Benchmarks for Data-Driven Bicycle
Design
- Title(参考訳): BIKED: データ駆動自転車設計のためのデータセットと機械学習ベンチマーク
- Authors: Lyle Regenwetter, Brent Curry, Faez Ahmed
- Abstract要約: 数百人のデザイナーによる4500台の自転車モデルからなるデータセット「BIKED」を発表します。
データセットは、アセンブリイメージ、コンポーネントイメージ、数値設計パラメータ、クラスラベルを含む、さまざまな設計情報で構成されている。
- 参考スコア(独自算出の注目度): 1.933681537640272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present "BIKED," a dataset comprised of 4500 individually
designed bicycle models sourced from hundreds of designers. We expect BIKED to
enable a variety of data-driven design applications for bicycles and generally
support the development of data-driven design methods. The dataset is comprised
of a variety of design information including assembly images, component images,
numerical design parameters, and class labels. In this paper, we first discuss
the processing of the dataset and present the various features provided. We
then illustrate the scale, variety, and structure of the data using several
unsupervised clustering studies. Next, we explore a variety of data-driven
applications. We provide baseline classification performance for 10 algorithms
trained on differing amounts of training data. We then contrast classification
performance of three deep neural networks using parametric data, image data,
and a combination of the two. Using one of the trained classification models,
we conduct a Shapley Additive Explanations Analysis to better understand the
extent to which certain design parameters impact classification predictions.
Next, we test bike reconstruction and design synthesis using two Variational
Autoencoders (VAEs) trained on images and parametric data. We furthermore
contrast the performance of interpolation and extrapolation tasks in the
original parameter space and the latent space of a VAE. Finally, we discuss
some exciting possibilities for other applications beyond the few actively
explored in this paper and summarize overall strengths and weaknesses of the
dataset.
- Abstract(参考訳): 本論文では,数百人のデザイナーが設計した自転車モデル4500点からなるデータセット「BIKED」について述べる。
自転車用のさまざまなデータ駆動設計アプリケーションを可能にし、一般的にデータ駆動設計方法の開発をサポートすると私たちは期待している。
データセットは、アセンブリイメージ、コンポーネントイメージ、数値設計パラメータ、クラスラベルを含む、さまざまな設計情報で構成されている。
本稿ではまず,データセットの処理について論じ,提供される各種特徴について述べる。
次に、教師なしクラスタリング研究を用いて、データのスケール、多様性、構造を説明します。
次に、さまざまなデータ駆動アプリケーションを調べます。
異なるトレーニングデータに基づいて訓練された10アルゴリズムのベースライン分類性能を提供する。
次に、パラメトリックデータ、画像データ、およびこれら2つの組み合わせを用いた3つのディープニューラルネットワークの分類性能を対比する。
訓練された分類モデルの1つを使用して、特定の設計パラメータが分類予測に影響を与える範囲をよりよく理解するために、Shapley Additive Explanations Analysisを実施します。
次に,画像とパラメトリックデータで学習した2つの変分オートエンコーダ(vaes)を用いて,自転車の再構成と設計合成をテストした。
さらに、元のパラメータ空間における補間タスクと外挿タスクのパフォーマンスと、VAEの潜入空間とを対比する。
最後に、この論文で積極的に検討された数を超える他のアプリケーションのためのいくつかのエキサイティングな可能性を議論し、データセットの全体的な長所と短所を要約します。
関連論文リスト
- BIKED++: A Multimodal Dataset of 1.4 Million Bicycle Image and
Parametric CAD Designs [4.470596692490074]
本稿では,140万個の自転車設計の公開データセットについて紹介する。
データセットは、BikeCADソフトウェアを利用するレンダリングエンジンを使用して作成される。
論文 参考訳(メタデータ) (2024-02-07T22:37:16Z) - Images in Discrete Choice Modeling: Addressing Data Isomorphism in
Multi-Modality Inputs [77.54052164713394]
本稿では,離散選択モデリング(DCM)と機械学習の交わりについて考察する。
本稿では,DCMフレームワーク内の従来の表型入力と同型情報を共有する高次元画像データの埋め込み結果について検討する。
論文 参考訳(メタデータ) (2023-12-22T14:33:54Z) - Sketch Input Method Editor: A Comprehensive Dataset and Methodology for
Systematic Input Recognition [15.542174731159433]
本研究の目的は,プロフェッショナルなC4Iシステム用に設計されたSketch Input Method Editor(SketchIME)を作成することである。
このシステム内では、スケッチは標準化されたシンボルを推奨する低忠実なプロトタイプとして利用される。
少数ショットのドメイン適応とクラス増分学習を取り入れることで、ネットワークの新規ユーザへの適応能力は大幅に向上する。
論文 参考訳(メタデータ) (2023-11-30T05:05:38Z) - Cluster Exploration using Informative Manifold Projections [0.0]
次元減少(DR)は、高次元データの視覚的探索の鍵となるツールの1つである。
本稿では,様々な事前知識に関連付けられた構造を抽出する情報埋め込みを生成する手法を提案する。
論文 参考訳(メタデータ) (2023-09-26T11:35:25Z) - UniDiff: Advancing Vision-Language Models with Generative and
Discriminative Learning [86.91893533388628]
本稿では、画像テキストコントラスト学習(ITC)、テキスト条件付き画像合成学習(IS)、相互意味整合性モデリング(RSC)を統合した統合マルチモーダルモデルUniDiffを提案する。
UniDiffはマルチモーダル理解と生成タスクの両方において汎用性を示す。
論文 参考訳(メタデータ) (2023-06-01T15:39:38Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - T-METASET: Task-Aware Generation of Metamaterial Datasets by
Diversity-Based Active Learning [14.668178146934588]
タスク対応データセット生成のためのインテリジェントなデータ取得フレームワークであるt-METASETを提案する。
提案するフレームワークを,汎用性,タスク認識性,カスタマイズ可能な3つのシナリオで検証する。
論文 参考訳(メタデータ) (2022-02-21T22:46:49Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳(メタデータ) (2021-12-29T17:23:24Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳(メタデータ) (2021-05-07T03:49:26Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳(メタデータ) (2020-12-29T23:43:16Z)
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。