論文の概要: A Picture is Worth a Collaboration: Accumulating Design Knowledge for Computer-Vision-based Hybrid Intelligence Systems

• arxiv url: http://arxiv.org/abs/2104.11600v1
• Date: Fri, 23 Apr 2021 13:47:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:14:34.719131
• Title: A Picture is Worth a Collaboration: Accumulating Design Knowledge for Computer-Vision-based Hybrid Intelligence Systems
• Title（参考訳）: a picture is a collaboration:cumulation design knowledge for computer-vision-based hybrid intelligence systems
• Authors: Patrick Zschech, Jannis Walk, Kai Heinrich, Michael V\"ossing, Niklas K\"uhl
• Abstract要約: 6つの総合的なCVプロジェクトからデザイン知識を蓄積し、実践的なデザインサイエンスアプローチを適用します。 メタ要求と設計原則を伝達する4つの設計関連メカニズムを同定する。 これは、CVベースのHIシステムに関するさらなる社会技術研究の基盤となる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computer vision (CV) techniques try to mimic human capabilities of visual perception to support labor-intensive and time-consuming tasks like the recognition and localization of critical objects. Nowadays, CV increasingly relies on artificial intelligence (AI) to automatically extract useful information from images that can be utilized for decision support and business process automation. However, the focus of extant research is often exclusively on technical aspects when designing AI-based CV systems while neglecting socio-technical facets, such as trust, control, and autonomy. For this purpose, we consider the design of such systems from a hybrid intelligence (HI) perspective and aim to derive prescriptive design knowledge for CV-based HI systems. We apply a reflective, practice-inspired design science approach and accumulate design knowledge from six comprehensive CV projects. As a result, we identify four design-related mechanisms (i.e., automation, signaling, modification, and collaboration) that inform our derived meta-requirements and design principles. This can serve as a basis for further socio-technical research on CV-based HI systems.
• Abstract（参考訳）: コンピュータビジョン(CV)技術は、人間の視覚能力の模倣を試み、重要な物体の認識や局所化のような労働集約的かつ時間を要するタスクをサポートする。 今日では、CVは人工知能(AI)に頼り、意思決定支援やビジネスプロセス自動化に使用できる画像から有用な情報を自動的に抽出するようになっている。 しかし、現存する研究の焦点は、信頼、制御、自律性といった社会技術的側面を無視しながら、AIベースのCVシステムを設計する際の技術的な側面に限られることが多い。 本研究の目的は,ハイブリッドインテリジェンス(HI)の観点からそのようなシステムの設計を考察し,CVベースのHIシステムのための規範的設計知識を導出することである。 我々は,6つの包括的cvプロジェクトから設計知識を蓄積し,実践に触発された設計科学アプローチを適用した。 その結果、メタ要求と設計原則を伝達する4つの設計関連メカニズム(自動化、信号処理、修正、コラボレーション)を特定した。 これは、CVベースのHIシステムに関するさらなる社会技術研究の基盤となる。

関連論文リスト

• PADTHAI-MM: A Principled Approach for Designing Trustable, Human-centered AI systems using the MAST Methodology [5.38932801848643]
  チェックリスト評価システムであるMultisource AI Scorecard Table (MAST)は、AI対応意思決定支援システムの設計と評価におけるこのギャップに対処する。 我々は,MAST手法を用いた信頼性の高い人間中心型AIシステムを設計するための原則的アプローチを提案する。 我々は,MAST誘導設計により信頼感が向上し,MAST基準が性能,プロセス,目的情報と結びつくことを示す。
  論文  参考訳（メタデータ） (2024-01-24T23:15:44Z)
• From Concept to Manufacturing: Evaluating Vision-Language Models for Engineering Design [5.268919870502001]
  本稿では,視覚言語モデル(VLM)を工学設計タスクの範囲で総合的に評価する。 本稿では, スケッチ類似性解析, CAD生成, トポロジ最適化, 製造性評価, 工学教科書問題などの設計課題における2つのVLM, GPT-4V, LLaVA 1.6 34Bの性能評価を行う。
  論文  参考訳（メタデータ） (2023-11-21T15:20:48Z)
• Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [101.43350024175157]
  自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。 我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。 コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-06T01:36:56Z)
• Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
  モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。 特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• Towards a Reference Software Architecture for Human-AI Teaming in Smart Manufacturing [0.0]
  我々は、知識グラフ、トラッキングとシーン分析、およびリレーショナル機械学習のためのコンポーネントに基づくリファレンスソフトウェアアーキテクチャを開発した。 本ソフトウェアアーキテクチャの実証検証は,自動車,エネルギーシステム,精密加工領域の大規模企業3社と連携して実施する。
  論文  参考訳（メタデータ） (2022-01-13T10:43:49Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• The future of human-AI collaboration: a taxonomy of design knowledge for hybrid intelligence systems [0.0]
  我々は、人間と機械の社会技術的アンサンブルを開発する必要性を特定する。 本稿では,機械学習パイプラインにおける人間の役割に関する学際研究の概観について述べる。 第二に、ハイブリッドインテリジェンスシステムを構想し、システム設計の関連寸法を概念化します。
  論文  参考訳（メタデータ） (2021-05-07T16:10:44Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)
• A Survey of Knowledge Representation in Service Robotics [10.220366465518262]
  我々は、知識表現と、どのようにして知識が収集され、表現され、どのように再生され、問題を解決するかに焦点を当てる。 知識表現の定義に従って、そのような表現と有用な学習モデルの主な区別について議論する。 効果的な知識表現を設計する際に考慮すべき重要な原則について議論する。
  論文  参考訳（メタデータ） (2018-07-05T22:18:08Z)

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。