論文の概要: Impacts of the Numbers of Colors and Shapes on Outlier Detection: from
Automated to User Evaluation
- arxiv url: http://arxiv.org/abs/2103.06084v1
- Date: Wed, 10 Mar 2021 14:35:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 14:47:43.833753
- Title: Impacts of the Numbers of Colors and Shapes on Outlier Detection: from
Automated to User Evaluation
- Title（参考訳）: 外乱検出における色数と形状の影響:自動評価からユーザ評価まで
- Authors: Loann Giovannangeli, Romain Giot, David Auber and Romain Bourqui
- Abstract要約: 本稿では,視覚探索理論を情報可視化コンテキストに拡張することで,そのテーマに寄与する。
ランダムに並べられた気晴らしのグリッドに未知のアウトリーヤを見つけるよう被験者に依頼される視覚的検索タスクを検討する。
その結果,外乱率のエンコードに使用される視覚的属性の数が主な難易度であることがわかった。
- 参考スコア（独自算出の注目度）: 1.7205106391379026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The design of efficient representations is well established as a fruitful way
to explore and analyze complex or large data. In these representations, data
are encoded with various visual attributes depending on the needs of the
representation itself. To make coherent design choices about visual attributes,
the visual search field proposes guidelines based on the human brain perception
of features. However, information visualization representations frequently need
to depict more data than the amount these guidelines have been validated on.
Since, the information visualization community has extended these guidelines to
a wider parameter space.
This paper contributes to this theme by extending visual search theories to
an information visualization context. We consider a visual search task where
subjects are asked to find an unknown outlier in a grid of randomly laid out
distractor. Stimuli are defined by color and shape features for the purpose of
visually encoding categorical data. The experimental protocol is made of a
parameters space reduction step (i.e., sub-sampling) based on a machine
learning model, and a user evaluation to measure capacity limits and validate
hypotheses. The results show that the major difficulty factor is the number of
visual attributes that are used to encode the outlier. When redundantly
encoded, the display heterogeneity has no effect on the task. When encoded with
one attribute, the difficulty depends on that attribute heterogeneity until its
capacity limit (7 for color, 5 for shape) is reached. Finally, when encoded
with two attributes simultaneously, performances drop drastically even with
minor heterogeneity.
- Abstract（参考訳）: 効率的な表現の設計は、複雑なデータや大規模データを探索し分析するための実りある方法として確立されている。
これらの表現では、データは表現自体のニーズに応じて様々な視覚的属性で符号化される。
視覚特性に関するコヒーレントな設計選択を行うため、視覚検索分野は特徴の人間の脳知覚に基づくガイドラインを提案する。
しかし、情報視覚化表現は、これらのガイドラインが検証した量よりも多くのデータを記述する必要がある。
以来、情報可視化コミュニティはこれらのガイドラインをより広いパラメータ空間に拡張しました。
本稿では,視覚探索理論を情報可視化コンテキストに拡張することで,このテーマに寄与する。
ランダムに並べられた気晴らしのグリッドに未知のアウトリーヤを見つけるよう被験者に依頼される視覚的検索タスクを検討する。
刺激は分類データを視覚的に符号化するために色と形状の特徴によって定義される。
実験プロトコルは、機械学習モデルに基づくパラメータ空間削減ステップ(サブサンプリング)と、容量制限を測定し、仮説を検証するためのユーザ評価で構成されている。
その結果,外乱率のエンコードに使用される視覚的属性の数が主な難易度であることがわかった。
冗長にエンコードすると、表示の不均一性はタスクに影響を与えません。
1つの属性でエンコードすると、その容量制限(色は7、形は5)に達するまで、その属性の不均一性に依存します。
最後に、2つの属性を同時にエンコードすると、小さな異質性でもパフォーマンスが大幅に低下します。
関連論文リスト
- Attribute-Aware Deep Hashing with Self-Consistency for Large-Scale
Fine-Grained Image Retrieval [65.43522019468976]
本稿では属性認識ハッシュコードを生成するための自己整合性を持つ属性認識ハッシュネットワークを提案する。
本研究では,高レベル属性固有ベクトルを教師なしで蒸留する再構成タスクのエンコーダ・デコーダ構造ネットワークを開発する。
我々のモデルは,これらの属性ベクトルに特徴デコリレーション制約を設けて,それらの代表的能力を強化する。
論文 参考訳（メタデータ） (2023-11-21T08:20:38Z) - Exploring Fine-Grained Representation and Recomposition for Cloth-Changing Person Re-Identification [78.52704557647438]
補助的なアノテーションやデータなしに両方の制約に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。
FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
論文 参考訳（メタデータ） (2023-08-21T12:59:48Z) - Towards the Visualization of Aggregated Class Activation Maps to Analyse
the Global Contribution of Class Features [0.47248250311484113]
クラスアクティベーションマップ(CAM)は、分類に寄与するデータサンプルの各機能の重要性を視覚化する。
複数のサンプルからCAMを集約し,意味的に構造化されたデータの分類のグローバルな説明を示す。
我々のアプローチでは,分析者が高次元データの重要な特徴を検出し,世界的説明の可視化に基づいてAIモデルに調整を導出することができる。
論文 参考訳（メタデータ） (2023-07-29T11:13:11Z) - The Influences of Color and Shape Features in Visual Contrastive
Learning [0.0]
本稿では,個々の画像特徴(色や形状など)がモデル性能に与える影響について検討する。
実験結果から、教師付き表現と比較して、コントラスト表現は類似した色を持つオブジェクトとクラスタリングする傾向にあることが示された。
論文 参考訳（メタデータ） (2023-01-29T15:10:14Z) - Towards Unsupervised Visual Reasoning: Do Off-The-Shelf Features Know
How to Reason? [30.16956370267339]
視覚質問応答のタスクに対する視覚的表現を評価するためのプロトコルを提案する。
視覚的特徴抽出を推論から分離するために,特定の注意に基づく推論モジュールを設計する。
局所的な特徴を密に抽出した2種類の視覚表現とオブジェクト中心の視覚表現を、基底真理を用いた完全な画像表現の性能と比較する。
論文 参考訳（メタデータ） (2022-12-20T14:36:45Z) - Measuring the Interpretability of Unsupervised Representations via
Quantized Reverse Probing [97.70862116338554]
本稿では,自己教師付き表現の解釈可能性の測定問題について検討する。
我々は、後者を、表現と手動でラベル付けされた概念の空間の間の相互情報を推定するものとして定式化する。
提案手法は,多人数の自己教師付き表現の評価に利用し,解釈可能性による評価を行う。
論文 参考訳（メタデータ） (2022-09-07T16:18:50Z) - Causal Transportability for Visual Recognition [70.13627281087325]
画像とラベルの関連性は、設定間では転送できないため、標準分類器がフェールすることを示す。
次に、すべての共起源を摂食する因果効果が、ドメイン間で不変であることを示す。
これにより、画像分類における因果効果を推定するアルゴリズムを開発する動機付けとなる。
論文 参考訳（メタデータ） (2022-04-26T15:02:11Z) - Quantifying Learnability and Describability of Visual Concepts Emerging
in Representation Learning [91.58529629419135]
我々は、ディープニューラルネットワークによって自動的に発見された視覚的なグルーピングを特徴付ける方法を検討する。
本稿では、任意の画像グループ化の解釈可能性の定量化に使用できる視覚的学習可能性と記述可能性という2つの概念を紹介する。
論文 参考訳（メタデータ） (2020-10-27T18:41:49Z) - Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。
過去30年間に様々な評価方法が提案されてきた。
注意変動を記述するための重力モデル(GRAV)を提案する。
論文 参考訳（メタデータ） (2020-09-15T10:12:41Z)
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。