論文の概要: Distortion-Aware Brushing for Interactive Cluster Analysis in Multidimensional Projections

• arxiv url: http://arxiv.org/abs/2201.06379v1
• Date: Mon, 17 Jan 2022 12:34:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-19 18:34:51.263333
• Title: Distortion-Aware Brushing for Interactive Cluster Analysis in Multidimensional Projections
• Title（参考訳）: 多次元射影における対話型クラスター解析のための歪み認識ブラッシング
• Authors: Hyeon Jeon, Michael Aupetit, Soohyun Lee, Hyung-Kwon Ko, Youngtaek Kim, Jinwook Seo
• Abstract要約: 多次元射影(MDP)のための新しいブラッシング技術である歪認識ブラッシングを導入する。 ユーザがブラッシングを行う間、歪認識ブラッシングはプロジェクション内のポイントを動的に移動させることで、現在ブラッシングされている点の歪みを解消する。 本稿では,2つのデータセットを用いたディストーション対応ブラッシングの有効性と適用性を示す。
• 参考スコア（独自算出の注目度）: 8.83598331618489
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Brushing is an everyday interaction in 2D scatterplots, which allows users to select and filter data points within a continuous, enclosed region and conduct further analysis on the points. However, such conventional brushing cannot be directly applied to Multidimensional Projections (MDP), as they hardly escape from False and Missing Neighbors distortions that make the relative positions of the points unreliable. To alleviate this problem, we introduce Distortion-aware brushing, a novel brushing technique for MDP. While users perform brushing, Distortion-aware brushing resolves distortions around currently brushed points by dynamically relocating points in the projection; the points whose data are close to the brushed data in the multidimensional (MD) space go near the corresponding brushed points in the projection, and the opposites move away. Hence, users can overcome distortions and readily extract out clustered data in the MD space using the technique. We demonstrate the effectiveness and applicability of Distortion-aware brushing through usage scenarios with two datasets. Finally, by conducting user studies with 30 participants, we verified that Distortion-aware brushing significantly outperforms previous brushing techniques in precisely separating clusters in the MD space, and works robustly regardless of the types or the amount of distortions in MDP.
• Abstract（参考訳）: ブラシは2Dスパッタプロットにおける日常的なインタラクションであり、ユーザは連続した囲い領域内のデータポイントを選択してフィルタリングし、ポイントについてさらなる分析を行うことができる。 しかし、このような従来のブラッシングは、FalseやMissing Neighborsの歪みから逃れられず、点の相対的な位置が信頼できないため、MDP(Multidimensional Projections)に直接適用することはできない。 この問題を軽減するため,MDPの新しいブラッシング技術である歪認識ブラッシングを導入する。 ユーザがブラッシングを行う間、歪認識ブラッシングは、現在のブラッシング点周辺の歪みをプロジェクション内の点を動的に移動させることで解決する。多次元(MD)空間におけるブラッシングデータに近い点がプロジェクション内の対応するブラッシング点に近づき、反対側が動き去る。 これにより,歪みを克服し,MD空間内のクラスタデータを容易に抽出することができる。 本稿では,2つのデータセットを用いたディストーション対応ブラッシングの有効性と適用性を示す。 最後に,30名を対象にユーザ調査を行い,md空間のクラスターを高精度に分離する従来のブラッシング技術を大きく上回り,mdpの歪みの種類や量によらず頑健に動作することを確認した。

関連論文リスト

• Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の双方の最も高い需要において、これらの誤り貢献ゾーンを特定することができる。 LPMは特定ゾーンに点密度を適用し、これらの領域の前に位置する点の不透明度をリセットし、不条件点を補正する新たな機会を創出する。 特に、LPMはバニラ3DGSとSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• P2O-Calib: Camera-LiDAR Calibration Using Point-Pair Spatial Occlusion Relationship [1.6921147361216515]
  本研究では,3次元空間における閉塞関係を用いた2次元3次元エッジポイント抽出に基づく新たなターゲットレスキャリブレーション手法を提案する。 本手法は,高画質カメラ-LiDARキャリブレーションによる実用的応用に寄与する,低誤差かつ高ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-11-04T14:32:55Z)
• Fixation-based Self-calibration for Eye Tracking in VR Headsets [0.21561701531034413]
  提案手法は,ユーザの視点が自由に動けるという仮定に基づいている。 固定は、まず、補正されていない視線方向の時系列データから検出される。 キャリブレーションパラメータは、PoRsの分散メトリクスの和を最小化することにより最適化される。
  論文  参考訳（メタデータ） (2023-11-01T09:34:15Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Self-supervised Human Mesh Recovery with Cross-Representation Alignment [20.69546341109787]
  自己教師付きヒューマンメッシュリカバリ手法は、3Dアノテーション付きベンチマークデータセットの可用性と多様性が制限されているため、一般化性が低い。 頑健だがスパースな表現(2Dキーポイント)からの相補的情報を利用した相互表現アライメントを提案する。 この適応的相互表現アライメントは、偏差から明示的に学習し、相補的な情報(疎表現からの豊かさと密表現からの堅牢さ)をキャプチャする。
  論文  参考訳（メタデータ） (2022-09-10T04:47:20Z)
• DAS: Densely-Anchored Sampling for Deep Metric Learning [43.81322638018864]
  本研究では, アンカー近傍の埋め込み空間を利用してデータポイントのない埋め込みを密に生成するDensely-Anchored Smpling (DAS) 方式を提案する。 提案手法は既存のDMLフレームワークに統合され,ベルやホイッスルを使わずに改善されている。
  論文  参考訳（メタデータ） (2022-07-30T02:07:46Z)
• 2D LiDAR and Camera Fusion Using Motion Cues for Indoor Layout Estimation [2.6905021039717987]
  地上ロボットは、単一の床と垂直の壁を持つ屋内空間を探索し、一連の強度画像と2D LiDARデータセットを収集する。 センサ出力と画像セグメンテーションのアライメントは、LiDAR点をアライメントすることで、共同で計算される。 地層境界抽出のための画像の曖昧さをLiDAR観測の助けを借りて除去する。
  論文  参考訳（メタデータ） (2022-04-24T06:26:02Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。