論文の概要: BRIMA: low-overhead BRowser-only IMage Annotation tool (Preprint)

• arxiv url: http://arxiv.org/abs/2107.06351v1
• Date: Tue, 13 Jul 2021 19:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 14:25:29.711946
• Title: BRIMA: low-overhead BRowser-only IMage Annotation tool (Preprint)
• Title（参考訳）: BRIMA:low-overhead BRowserのみのIMage Annotationツール(プレプリント)
• Authors: Tuomo Lahtinen, Hannu Turtiainen, Andrei Costin
• Abstract要約: BRIMAはBRowserのみのIMage用のフレキシブルなオープンソースブラウザ拡張である。 これにより、ユーザは簡単に効率的に画像を開発し、注釈を付けることができる。 クロスブラウザとクロスプラットフォームの機能も備えており、コンピュータビジョン、人工知能、プライバシー関連の分野の研究者にとって最適なツールだ。
• 参考スコア（独自算出の注目度）: 3.523597468588939
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image annotation and large annotated datasets are crucial parts within the Computer Vision and Artificial Intelligence fields.At the same time, it is well-known and acknowledged by the research community that the image annotation process is challenging, time-consuming and hard to scale. Therefore, the researchers and practitioners are always seeking ways to perform the annotations easier, faster, and at higher quality. Even though several widely used tools exist and the tools' landscape evolved considerably, most of the tools still require intricate technical setups and high levels of technical savviness from its operators and crowdsource contributors. In order to address such challenges, we develop and present BRIMA -- a flexible and open-source browser extension that allows BRowser-only IMage Annotation at considerably lower overheads. Once added to the browser, it instantly allows the user to annotate images easily and efficiently directly from the browser without any installation or setup on the client-side. It also features cross-browser and cross-platform functionality thus presenting itself as a neat tool for researchers within the Computer Vision, Artificial Intelligence, and privacy-related fields.
• Abstract（参考訳）: 画像アノテーションと大規模な注釈付きデータセットは,コンピュータビジョンと人工知能分野において重要な部分であると同時に,画像アノテーションプロセスが困難で時間を要する,スケールアップが難しい,という研究コミュニティから広く認知されている。 そのため、研究者や実践者は、より簡単に、より速く、より高品質でアノテーションを実行する方法を模索しています。 広く使われているツールがいくつか存在し、ツールのランドスケープは大幅に進化したものの、ほとんどのツールは複雑な技術的なセットアップと、オペレーターやクラウドソースのコントリビューターによる高いレベルの技術革新を必要としている。 このような課題に対処するため、BRIMA - BRowserのみのIMage Annotationをかなり少ないオーバーヘッドで実現可能な、柔軟でオープンソースのブラウザ拡張を開発する。 一度ブラウザに追加すると、ユーザーはクライアント側でインストールや設定をすることなく、簡単に、かつ効率的にブラウザから直接画像に注釈を付けることができる。 クロスブラウザとクロスプラットフォームの機能も備えており、コンピュータビジョン、人工知能、プライバシー関連の分野の研究者にとって最適なツールだ。

関連論文リスト

• Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
  現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。 既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。 我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
  論文  参考訳（メタデータ） (2024-05-25T06:41:23Z)
• Planning, Creation, Usage: Benchmarking LLMs for Comprehensive Tool Utilization in Real-World Complex Scenarios [93.68764280953624]
  UltraToolは、ツール利用におけるLarge Language Modelsの能力を改善し評価するために設計された、新しいベンチマークである。 現実の複雑さを強調し、効果的な問題解決のために正確で多段階の計画を必要とする。 UltraToolの重要な特徴は、ツールの使用前に発生する自然言語による計画の独立した評価である。
  論文  参考訳（メタデータ） (2024-01-30T16:52:56Z)
• EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction [56.02100384015907]
  EasyToolは、多種多様で長いツールドキュメントを統一的で簡潔なツール命令に変換するフレームワークである。 トークン使用量を大幅に削減し、現実のシナリオにおけるツール利用のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-01-11T15:45:11Z)
• Brainchop: Next Generation Web-Based Neuroimaging Application [0.0]
  Brainchopは、トレーニング済みの全脳深層学習モデルを使用して、構造MRIのボリューム分析を可能にする、画期的なブラウザ内ツールである。 本稿では,Brainchopの処理パイプラインの概要と,各種ハードウェア構成におけるモデルの性能評価を行う。
  論文  参考訳（メタデータ） (2023-10-24T20:17:06Z)
• Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
  SurgLoc 2022 チャレンジの結果を示す。 目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。 これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
  論文  参考訳（メタデータ） (2023-05-11T21:44:39Z)
• Interactive Segmentation and Visualization for Tiny Objects in Multi-megapixel Images [5.09193568605539]
  大規模マルチメガピクセルの高域画像における微小物体の識別・検査・編集を行う対話型画像分割・可視化フレームワークを提案する。 我々は、推論モデル、HDR画像可視化、セグメンテーションマスク検査、編集を単一のグラフィカルユーザインタフェースに統合するインタラクティブツールキットを開発した。 我々のインターフェースは、マウス制御、同期、デュアルウィンドウによる画像の可視化とセグメンテーションマスクを備えており、マルチメガピクセル画像中の小さな物体を探索するための重要な特徴である。
  論文  参考訳（メタデータ） (2022-04-21T18:26:48Z)
• MONAI Label: A framework for AI-assisted Interactive Labeling of 3D Medical Images [49.664220687980006]
  注釈付きデータセットの欠如は、タスク固有の教師付き機械学習モデルをトレーニングする上で、大きなボトルネックとなる。 本稿では,人工知能(AI)モデルに基づくアプリケーション開発を支援する,フリーかつオープンソースなフレームワークであるmonAI Labelを紹介する。
  論文  参考訳（メタデータ） (2022-03-23T12:33:11Z)
• Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
  私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
  論文  参考訳（メタデータ） (2022-01-29T01:03:29Z)
• Label Assistant: A Workflow for Assisted Data Annotation in Image Segmentation Tasks [0.8135412538980286]
  本稿では,アノテーションプロセスを支援する汎用ワークフローを提案し,抽象レベルでメソッドについて議論する。 これにより、将来性のあるサンプル、画像前処理、ラベル前処理、ラベル検査、アノテーションの後処理などに焦点を当てる可能性について検討する。 さらに,ハイブリッドタッチスクリーン/ラップトップデバイスにネストしたフレキシブルで拡張可能なソフトウェアプロトタイプの開発により,提案手法の実装を提案する。
  論文  参考訳（メタデータ） (2021-11-27T19:08:25Z)
• Shuffler: A Large Scale Data Management Tool for ML in Computer Vision [0.0]
  我々は,大規模なコンピュータビジョンデータセットの管理を容易にするオープンソースツールであるshufflerを提案する。 Shuffler氏は、コンピュータビジョンに適用された教師あり学習に一般的に役立つアノテーションによる40以上のデータ処理操作を定義している。
  論文  参考訳（メタデータ） (2021-04-11T22:27:28Z)

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。