論文の概要: DumbleDR: Predicting User Preferences of Dimensionality Reduction Projection Quality

• arxiv url: http://arxiv.org/abs/2105.09275v1
• Date: Wed, 19 May 2021 17:39:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-20 15:02:04.669736
• Title: DumbleDR: Predicting User Preferences of Dimensionality Reduction Projection Quality
• Title（参考訳）: DumbleDR: 次元減少予測品質のユーザ予測
• Authors: Cristina Morariu, Adrien Bibal, Rene Cutura, Beno\^it Fr\'enay and Michael Sedlmair
• Abstract要約: 比較研究を行い、画像データセットの低レベルのプロジェクションの散在するプロジェクション間の'良い'と'誤解を招く'ビューを選択します。 プロジェクションを決定する際に、人々が正確に何を求めているかを発見し、定量化することを目的とした、一連の品質指標のラベルとして研究データを使用します。
• 参考スコア（独自算出の注目度）: 9.014416179797918
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A plethora of dimensionality reduction techniques have emerged over the past decades, leaving researchers and analysts with a wide variety of choices for reducing their data, all the more so given some techniques come with additional parametrization (e.g. t-SNE, UMAP, etc.). Recent studies are showing that people often use dimensionality reduction as a black-box regardless of the specific properties the method itself preserves. Hence, evaluating and comparing 2D projections is usually qualitatively decided, by setting projections side-by-side and letting human judgment decide which projection is the best. In this work, we propose a quantitative way of evaluating projections, that nonetheless places human perception at the center. We run a comparative study, where we ask people to select 'good' and 'misleading' views between scatterplots of low-level projections of image datasets, simulating the way people usually select projections. We use the study data as labels for a set of quality metrics whose purpose is to discover and quantify what exactly people are looking for when deciding between projections. With this proxy for human judgments, we use it to rank projections on new datasets, explain why they are relevant, and quantify the degree of subjectivity in projections selected.
• Abstract（参考訳）: 過去数十年間、多くの次元的縮小技術が登場し、研究者やアナリストはデータを減らすためのさまざまな選択肢を持っている。 t-SNE, UMAPなど)。 最近の研究では、その方法自体が保存する特定の性質に関わらず、人々はしばしばブラックボックスとして次元の縮小を用いる。 したがって、2次元投影の評価と比較は通常、投影を並べて設定し、人間の判断でどの投影が最良かを判断することによって定性的に決定される。 そこで本研究では,人間の知覚を中央に配置し,投影を定量的に評価する方法を提案する。 比較研究を行い、画像データセットの低レベルのプロジェクションの散在するプロジェクション間で、人々が通常、プロジェクションを選択する方法をシミュレートする'良い'と'誤解する'ビューを選択するように求めます。 プロジェクションを決定する際に、人々が正確に何を探しているかを発見し、定量化することを目的とした、一連の品質指標のラベルとして研究データを使用します。 このヒューマン判断のプロキシを用いて、新しいデータセットの投影をランク付けし、それらがなぜ関連しているかを説明し、選択された投影における主観性の度合いを定量化する。

関連論文リスト

• Towards a Perceptual Evaluation Framework for Lighting Estimation [18.79213515450804]
  本研究は,既存の画像品質評価(IQA)指標を用いて,照明推定の進歩を追跡した結果である。 これは合理的なアプローチのように見えるが、仮想シーンをリアルな写真にリライトするために推定照明を使用する場合、人間の嗜好と相関しないことを示す。
  論文  参考訳（メタデータ） (2023-12-07T14:51:12Z)
• Improving Heterogeneous Model Reuse by Density Estimation [105.97036205113258]
  本稿では,異なる参加者の個人データを用いてモデルを学習することを目的とした多人数学習について検討する。 モデルの再利用は、各パーティーのためにローカルモデルがトレーニングされていると仮定して、マルチパーティの学習にとって有望なソリューションである。
  論文  参考訳（メタデータ） (2023-05-23T09:46:54Z)
• Metrics for Dataset Demographic Bias: A Case Study on Facial Expression Recognition [4.336779198334903]
  人口統計バイアスの最も顕著な種類は、データセットにおける人口統計群の表現における統計的不均衡である。 我々はこれらの指標を分類するための分類法を開発し、適切な指標を選択するための実践的なガイドを提供する。 この論文は、データセットバイアスを緩和し、AIモデルの公正性と正確性を改善するために、AIと関連する分野の研究者に貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-03-28T11:04:18Z)
• Task-based Generation of Optimized Projection Sets using Differentiable Ranking [13.19384722802772]
  このアプローチは、プロジェクションベースの検出性とデータ完全性という2つの重要な要素を、単一のフィードフォワードニューラルネットワークに統合する。 ネットワークはプロジェクションの価値を評価し、それらを微分可能なランク関数で処理し、ストレートスルー推定器を用いて最終選択を行う。
  論文  参考訳（メタデータ） (2023-03-21T10:29:30Z)
• In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
  本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。 選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
  論文  参考訳（メタデータ） (2023-02-06T16:55:37Z)
• Multiview Detection with Cardboard Human Modeling [23.072791405965415]
  本研究では,人点雲モデリングに基づく新しい歩行者表現方式を提案する。 具体的には、人体深度推定のためのレイトレーシングを用いて、歩行者を地上の直立した薄い段ボールの点雲としてモデル化する。
  論文  参考訳（メタデータ） (2022-07-05T12:47:26Z)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)
• 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)
• Do Public Datasets Assure Unbiased Comparisons for Registration Evaluation? [96.53940048041248]
  画像誘導神経外科医の登録をベンチマークするために、2つのデータセットで手動で注釈付けされたランドマークをスクリーニングするために、ヴァリグラムを使用します。 Variograms を用いて, 潜在的に有意な症例を同定し, 経験者により検討した。
  論文  参考訳（メタデータ） (2020-03-20T20:04:47Z)

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。