論文の概要: FiSH: Fair Spatial Hotspots

• arxiv url: http://arxiv.org/abs/2106.06049v1
• Date: Tue, 1 Jun 2021 10:29:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-20 21:42:52.683231
• Title: FiSH: Fair Spatial Hotspots
• Title（参考訳）: FiSH: 空間ホットスポット
• Authors: Deepak P, Sowmya S Sundaram
• Abstract要約: 空間ホットスポットの検出における公平性を初めて検討する。 注意力-公平性トレードオフスペクトルにおける多様な解の集合を同定するタスクを特徴付ける。 我々は、高品質で公平で多様な空間ホットスポットを効率的に識別する手法、FiSHというコードネームの手法を考案した。
• 参考スコア（独自算出の注目度）: 7.472488862351863
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pervasiveness of tracking devices and enhanced availability of spatially located data has deepened interest in using them for various policy interventions, through computational data analysis tasks such as spatial hot spot detection. In this paper, we consider, for the first time to our best knowledge, fairness in detecting spatial hot spots. We motivate the need for ensuring fairness through statistical parity over the collective population covered across chosen hot spots. We then characterize the task of identifying a diverse set of solutions in the noteworthiness-fairness trade-off spectrum, to empower the user to choose a trade-off justified by the policy domain. Being a novel task formulation, we also develop a suite of evaluation metrics for fair hot spots, motivated by the need to evaluate pertinent aspects of the task. We illustrate the computational infeasibility of identifying fair hot spots using naive and/or direct approaches and devise a method, codenamed {\it FiSH}, for efficiently identifying high-quality, fair and diverse sets of spatial hot spots. FiSH traverses the tree-structured search space using heuristics that guide it towards identifying effective and fair sets of spatial hot spots. Through an extensive empirical analysis over a real-world dataset from the domain of human development, we illustrate that FiSH generates high-quality solutions at fast response times.
• Abstract（参考訳）: 追跡デバイスの普及と空間的位置データの可用性の強化は、空間ホットスポット検出などの計算データ解析タスクを通じて、様々な政策介入に利用することへの関心を深めている。 本稿では,空間的ホットスポットの検出における公平性について,我々の最善の知識から初めて考察する。 我々は、選択したホットスポットにまたがる集団人口に対する統計的公平性を通じて公正性を確保する必要性を動機付けている。 次に,注意と公正のトレードオフスペクトルにおいて,多様なソリューションセットを識別するタスクを特徴付け,ポリシー領域によって正当化されたトレードオフを選択する権限を与える。 新たなタスクの定式化として,タスクの関連する側面を評価する必要性を動機とする,公正なホットスポット評価指標のスイートも開発した。 本研究は, 単純かつ直接的アプローチによる公平なホットスポットの同定と, 高品質で公平で多様な空間的ホットスポットを効率的に同定するためのコードネーム {\it fish} の考案による計算不可能性を示す。 FiSHは、空間ホットスポットの有効かつ公平な集合を特定するためのヒューリスティックスを用いて、木構造検索空間を横断する。 人間の開発領域から得られた実世界のデータセットに対する広範な実証分析を通じて、高速な応答時間で高品質なソリューションが生成されることを示す。

関連論文リスト

• HSTFL: A Heterogeneous Federated Learning Framework for Misaligned Spatiotemporal Forecasting [6.00534246138727]
  異種時空間学習(HSTFL)フレームワークを提案し、複数のクライアントが異なるドメインからの時系列データを活用できるようにする。 我々は,HSTFLが推論攻撃に効果的に抵抗するだけでなく,様々なベースラインに対して顕著な改善をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-09-27T06:51:11Z)
• Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
  最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。 我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。 また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
  論文  参考訳（メタデータ） (2024-07-19T14:53:18Z)
• Causality-inspired Discriminative Feature Learning in Triple Domains for Gait Recognition [36.55724380184354]
  CLTDは、三重ドメイン、すなわち空間、時間、スペクトルにおける共同創設者の影響を排除するために設計された識別的特徴学習モジュールである。 具体的には、Cross Pixel-wise Attention Generator (CPAG)を用いて、空間的および時間的領域における実物的特徴と反物的特徴の注意分布を生成する。 次に、FPH(Fourier Projection Head)を導入し、空間的特徴をスペクトル空間に投影し、計算コストを低減しつつ重要な情報を保存する。
  論文  参考訳（メタデータ） (2024-07-17T12:16:44Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• An Open-World, Diverse, Cross-Spatial-Temporal Benchmark for Dynamic Wild Person Re-Identification [58.5877965612088]
  人物再識別(ReID)は、データ駆動のディープラーニング技術のおかげで大きな進歩を遂げました。 既存のベンチマークデータセットには多様性がなく、これらのデータに基づいてトレーニングされたモデルは、動的なワイルドシナリオに対してうまく一般化できない。 OWDと呼ばれる新しいOpen-World, Diverse, Cross-Spatial-Temporalデータセットを開発した。
  論文  参考訳（メタデータ） (2024-03-22T11:21:51Z)
• Self-supervised learning for hotspot detection and isolation from thermal images [1.7132914341329852]
  熱画像におけるホットスポット検出の問題に対して,自己教師付き学習手法を提案する。 我々は、容易にアクセス可能な熱画像の可視性の問題に対処するために、新しい大規模な熱画像データセットを作成する。 我々は既存のホットスポット識別技術と比較して最も高いDice係数0.736を達成する。
  論文  参考訳（メタデータ） (2023-08-25T06:59:26Z)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)
• TMHOI: Translational Model for Human-Object Interaction Detection [18.804647133922195]
  人-物間相互作用(HOI)を検出するための革新的なグラフベースアプローチを提案する。 本手法は,空間的知識と意味的知識を統合することで,HOIの感情表現を効果的に捉える。 我々のアプローチは、既存の最先端のグラフベースの手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2023-03-07T21:52:10Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Unsupervised Spike Depth Estimation via Cross-modality Cross-domain Knowledge Transfer [53.413305467674434]
  スパイク深度推定をサポートするためにオープンソースのRGBデータを導入し,そのアノテーションと空間情報を活用する。 教師なしスパイク深さ推定を実現するために,クロスモーダルクロスドメイン(BiCross)フレームワークを提案する。 提案手法は,RGB指向の教師なし深度推定法と比較して,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-08-26T09:35:20Z)
• Models and Mechanisms for Fairness in Location Data Processing [6.640563753223598]
  位置情報の利用は、モバイルアプリの出現や、スマートヘルスやスマートシティといった新しい分野によって、この10年間で広く普及している。 同時に、データ処理の公平性に関して重要な懸念が浮かび上がっている。 本稿では、位置データと空間処理の特定の特性に適合する既存の公正度モデルを適用する。
  論文  参考訳（メタデータ） (2022-04-04T22:57:16Z)

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。