論文の概要: NoFADE: Analyzing Diminishing Returns on CO2 Investment
- arxiv url: http://arxiv.org/abs/2111.14059v1
- Date: Sun, 28 Nov 2021 05:48:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-30 16:31:34.506214
- Title: NoFADE: Analyzing Diminishing Returns on CO2 Investment
- Title(参考訳): NoFADE:CO2投資の縮小リターンの分析
- Authors: Andre Fu and Justin Tran and Andy Xie and Jonathan Spraggett and Elisa
Ding and Chang-Won Lee and Kanav Singla and Mahdi S. Hosseini and
Konstantinos N. Plataniotis
- Abstract要約: NoFADEは、モデル-データセット-複雑な関係を定量化する新しいエントロピーベースの計量である。
NoFADEは、CVコミュニティがモデルとデータセットを同様のベースで比較し、非依存のプラットフォームを確立することを可能にする。
- 参考スコア(独自算出の注目度): 25.539221177092575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Climate change continues to be a pressing issue that currently affects
society at-large. It is important that we as a society, including the Computer
Vision (CV) community take steps to limit our impact on the environment. In
this paper, we (a) analyze the effect of diminishing returns on CV methods, and
(b) propose a \textit{``NoFADE''}: a novel entropy-based metric to quantify
model--dataset--complexity relationships. We show that some CV tasks are
reaching saturation, while others are almost fully saturated. In this light,
NoFADE allows the CV community to compare models and datasets on a similar
basis, establishing an agnostic platform.
- Abstract(参考訳): 気候変動は、現在社会に大きな影響を及ぼす差し迫った問題であり続けている。
我々は,コンピュータビジョン(CV)コミュニティを含む社会として,環境への影響を制限する措置を講じることが重要である。
本稿では,
(a)cv法におけるリターン低下の影響を解析し、
(b)モデル-データセット-複合関係を定量化する新しいエントロピーベースの計量である \textit{``nofade''} を提案する。
いくつかのCVタスクが飽和状態に達している一方で、他のタスクはほぼ飽和状態にある。
この点において、NoFADEはCVコミュニティがモデルとデータセットを同様のベースで比較し、非依存のプラットフォームを確立することを可能にする。
関連論文リスト
- Efficient Aspect-Based Summarization of Climate Change Reports with Small Language Models [0.0]
我々は、気候変化レポートのアスペクトベース要約(ABS)のための新しいデータセットをリリースする。
我々は、この問題を解決するために、LLM(Large Language Models)といわゆるSmall Language Models(SLM)を用いています。
また, 現状の問題を考えると, SLM が炭素フットプリントの減少に繋がる一方で, 問題に悪影響を及ぼさないことを示す。
論文 参考訳(メタデータ) (2024-11-21T16:28:32Z) - VHELM: A Holistic Evaluation of Vision Language Models [75.88987277686914]
視覚言語モデル(VHELM)の全体的評価について述べる。
VHELMは、視覚的知覚、知識、推論、バイアス、公平性、多言語性、堅牢性、毒性、安全性の9つの側面の1つ以上をカバーするために、さまざまなデータセットを集約する。
私たちのフレームワークは軽量で自動で、評価の実行が安価で高速に行えるように設計されています。
論文 参考訳(メタデータ) (2024-10-09T17:46:34Z) - RelVAE: Generative Pretraining for few-shot Visual Relationship
Detection [2.2230760534775915]
本研究は,注釈付き関係を必要としない数発述語分類のための最初の事前学習手法を提案する。
VG200とVRDのデータセットについて,数発のトレーニング分割を構築し,定量的な実験を行った。
論文 参考訳(メタデータ) (2023-11-27T19:08:08Z) - Assessing Privacy Risks in Language Models: A Case Study on
Summarization Tasks [65.21536453075275]
我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。
テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。
我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
論文 参考訳(メタデータ) (2023-10-20T05:44:39Z) - CorrFL: Correlation-Based Neural Network Architecture for Unavailability
Concerns in a Heterogeneous IoT Environment [3.9414768019101682]
連邦学習(FL)パラダイムは、現実の環境での適用を制限するいくつかの課題に直面しています。
これらの課題には、ローカルモデルのアーキテクチャの不均一性と、接続上の問題により分散IoT(Internet of Things)ノードが利用できないことが含まれる。
本稿では,この問題に対処するための表現型学習分野の影響を受け,相関型FL (CorrFL) アプローチを提案する。
論文 参考訳(メタデータ) (2023-07-22T19:23:06Z) - Scaling Laws Do Not Scale [54.72120385955072]
最近の研究によると、データセットのサイズが大きくなると、そのデータセットでトレーニングされたモデルのパフォーマンスが向上する。
このスケーリング法則の関係は、モデルのアウトプットの質を異なる集団がどのように認識するかと一致しないパフォーマンスを測定するために使われる指標に依存する、と我々は主張する。
異なるコミュニティは、互いに緊張関係にある価値を持ち、モデル評価に使用されるメトリクスについて、困難で、潜在的に不可能な選択をもたらす可能性がある。
論文 参考訳(メタデータ) (2023-07-05T15:32:21Z) - OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution
Shifts of Individual Nuisances in Natural Images [59.51657161097337]
OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。
この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
論文 参考訳(メタデータ) (2023-04-17T20:39:25Z) - Towards Understanding and Mitigating Dimensional Collapse in Heterogeneous Federated Learning [112.69497636932955]
フェデレートラーニングは、プライバシを考慮したデータ共有を必要とせずに、さまざまなクライアントでモデルをトレーニングすることを目的としている。
本研究では,データの不均一性がグローバル集約モデルの表現に与える影響について検討する。
フェデレーション学習における次元的崩壊を効果的に緩和する新しい手法である sc FedDecorr を提案する。
論文 参考訳(メタデータ) (2022-10-01T09:04:17Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - Reconsidering CO2 emissions from Computer Vision [39.04604349338802]
我々は,(1)建築建設費と(2)寿命評価費に分割して,CO2排出量の総コストを分析した。
時間が経つにつれ、これらのコストは無視できなくなり、私たちの未来に直接影響を与えることがわかります。
我々は、倫理aiの柱として「強化」を加えることを提案し、建築設計者やより広範なcvコミュニティが気候危機を抑制する方法を推奨する。
論文 参考訳(メタデータ) (2021-04-18T04:01:40Z) - Understanding the Downstream Instability of Word Embeddings [14.373952177486558]
多くの産業機械学習(ML)システムは、常に変化するデータに対して最新の状態を維持するために、頻繁なリトレーニングを必要としている。
トレーニングデータの小さな変更は、モデルの予測に大きな変更を引き起こす可能性がある。
本稿では,現代自然言語処理パイプラインのコアビルディングブロック – 事前訓練された単語埋め込み – が,下流NLPモデルの不安定性にどのように影響するかを示す。
論文 参考訳(メタデータ) (2020-02-29T00:39:12Z)
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。