論文の概要: DVM-CAR: A large-scale automotive dataset for visual marketing research
and applications
- arxiv url: http://arxiv.org/abs/2109.00881v1
- Date: Tue, 10 Aug 2021 12:48:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-05 13:37:17.763247
- Title: DVM-CAR: A large-scale automotive dataset for visual marketing research
and applications
- Title（参考訳）: DVM-CAR:ビジュアルマーケティング研究と応用のための大規模自動車データセット
- Authors: Jingming Huang and Bowei Chen and Lan Luo and Shigang Yue and Iadh
Ounis
- Abstract要約: 自動車産業は、センサーからビッグデータ分析、人工知能に至るまで、技術、アプリケーション、サービスによって変革されている。
製品美学への関心は高まっているが、幅広い変数や情報をカバーする大規模なデータセットは存在しない。
私たちのデータセットには、899台の車モデルから14万枚の画像と、対応する車のモデル仕様と、英国市場での10年以上にわたる販売情報が含まれています。
- 参考スコア（独自算出の注目度）: 18.981047097354786
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automotive industry is being transformed by technologies, applications
and services ranging from sensors to big data analytics and to artificial
intelligence. In this paper, we present our multidisciplinary initiative of
creating a publicly available dataset to facilitate the visual-related
marketing research and applications in automotive industry such as automotive
exterior design, consumer analytics and sales modelling. We are motivated by
the fact that there is growing interest in product aesthetics but there is no
large-scale dataset available that covers a wide range of variables and
information. We summarise the common issues faced by marketing researchers and
computer scientists through a user survey study, and design our dataset to
alleviate these issues. Our dataset contains 1.4 million images from 899 car
models as well as their corresponding car model specification and sales
information over more than ten years in the UK market. To the best of our
knowledge, this is the very first large-scale automotive dataset which contains
images, text and sales information from multiple sources over a long period of
time. We describe the detailed data structure and the preparation steps, which
we believe has the methodological contribution to the multi-source data fusion
and sharing. In addition, we discuss three dataset application examples to
illustrate the value of our dataset.
- Abstract（参考訳）: 自動車業界は、センサーからビッグデータ分析、人工知能まで、テクノロジ、アプリケーション、サービスによって変化しつつある。
本稿では,自動車外装デザイン,消費者分析,販売モデリングなどの自動車産業における視覚関連マーケティング研究と応用を促進するために,公開データセットを作成するための多分野的取り組みについて述べる。
私たちは、製品美学への関心が高まっているという事実に動機づけられていますが、幅広い変数や情報をカバーする大規模なデータセットはありません。
マーケティング研究者やコンピュータ科学者が直面する一般的な問題をユーザサーベイ調査を通じて要約し、これらの問題を緩和するためにデータセットを設計する。
当社のデータセットには、899台の自動車モデルからの140万枚の画像と、対応する自動車モデル仕様と、英国市場での10年以上にわたる販売情報が含まれています。
私たちの知る限りでは、これは長い間、複数のソースからの画像、テキスト、販売情報を含む、初めての大規模な自動車用データセットです。
本稿では,マルチソースデータ融合と共有に方法論的な貢献があると考える,詳細なデータ構造と準備手順について述べる。
さらに、データセットの価値を説明するための3つのデータセットアプリケーション例についても論じる。
関連論文リスト
- RedPajama: an Open Dataset for Training Large Language Models [80.74772646989423]
我々は、オープンソースの言語モデルを前進させるために対処しなければならない3つの中核的なデータ関連課題を特定します。
例えば、(1)データキュレーションプロセス、(2)大量の高品質データへのアクセス、(3)データセットキュレーションと分析のためのアーティファクトとメタデータの可用性などである。
LLaMAトレーニングデータセットのオープンレプリケーションであるRedPajama-V1と、生の未フィルタリングテキストデータと品質信号とメタデータからなる巨大なWeb専用データセットであるRedPajama-V2をリリースする。
論文 参考訳（メタデータ） (2024-11-19T09:35:28Z) - A Graph-Based Model for Vehicle-Centric Data Sharing Ecosystem [4.532960304032296]
我々は、現代の車両が異なる当事者間のデータ交換をどのように扱うかについての洞察を得るために、概念グラフベースのモデルを開発する。
車両関連データ共有に関するプライバシーに関する洞察を発見することの有用性と有効性を示すために、2つの現実的な例が開発された。
論文 参考訳（メタデータ） (2024-10-30T10:52:19Z) - Language and Multimodal Models in Sports: A Survey of Datasets and Applications [20.99857526324661]
自然言語処理(NLP)とマルチモーダルモデルの最近の統合は、スポーツ分析の分野を進歩させてきた。
この調査は、2020年以降のこれらのイノベーションを駆動するデータセットとアプリケーションの包括的なレビューを示す。
論文 参考訳（メタデータ） (2024-06-18T03:59:26Z) - DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks [25.00264553520033]
DrivAerNet++は、高忠実度計算流体力学(CFD)シミュレーションをモデルとした8000の多種多様な自動車設計で構成されている。
データセットには、ファストバック、ノッチバック、エステートバックといった多様な車種が含まれており、内燃機関と電気自動車の両方を表す車体と車輪のデザインが異なる。
このデータセットは、データ駆動設計最適化、生成モデリング、代理モデルトレーニング、CFDシミュレーションアクセラレーション、幾何学的分類を含む幅広い機械学習アプリケーションをサポートしている。
論文 参考訳（メタデータ） (2024-06-13T23:19:48Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。
我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。
これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
論文 参考訳（メタデータ） (2024-03-22T10:36:50Z) - SRNI-CAR: A comprehensive dataset for analyzing the Chinese automotive
market [7.791351384722447]
本稿では,2016年から2022年までの営業データ,オンラインレビュー,中国自動車産業に関する豊富な情報を含む包括的データセットを紹介する。
その影響は、予測精度の向上、ビジネス応用の範囲の拡大、政策開発と規制の実施、自動車部門における学術研究の進展など、様々な側面にまで及んでいる。
論文 参考訳（メタデータ） (2023-12-19T09:32:32Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳（メタデータ） (2023-12-06T10:46:53Z) - A Survey of Data Marketplaces and Their Business Models [0.0]
「データ」は、土地、インフラ、労働、資本と同様に、必要不可欠な生産要素になりつつある。
特定の機能を自動化することから、データ駆動型組織における意思決定を促進することに至るまで、タスクは、ますますサードパーティからのデータインプットを取得することの恩恵を受けています。
新しいエンティティや新しいビジネスモデルは、そのようなデータ要求を適切なプロバイダと一致させることを目的として現れています。
論文 参考訳（メタデータ） (2022-01-11T12:27:37Z) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳（メタデータ） (2021-06-21T12:28:08Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z)
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。