論文の概要: MetaOnce: A Metaverse Framework Based on Multi-scene Relations and Entity-relation-event Game

• arxiv url: http://arxiv.org/abs/2203.10424v1
• Date: Sun, 20 Mar 2022 01:01:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-26 13:22:31.097724
• Title: MetaOnce: A Metaverse Framework Based on Multi-scene Relations and Entity-relation-event Game
• Title（参考訳）: MetaOnce: マルチシーンリレーションとエンティティ-リレーション-イベントゲームに基づくメタバースフレームワーク
• Authors: Hongyin Zhu
• Abstract要約: 既存のメタバースシステムには、エンティティとイベントの間のリッチな関係タイプがない。 本稿では,一場面でリッチな関係を記述したメタバースフレームワークMetaOnceを紹介する。 ルールコントローラを提案し,フレームワークが順応的に振る舞うことを許容する関係に制約を課す。
• 参考スコア（独自算出の注目度）: 0.2741266294612776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing metaverse systems lack rich relation types between entities and events. The challenge is that there is no portable framework to introduce rich concepts, relations, events into the metaverse. This paper introduces a new metaverse framework, MetaOnce. This framework proposes to build multi-scene graphs. This framework not only describes rich relations in a single scene but also combines multiple scene graphs into a complete graph for more comprehensive analysis and inference. Prior social network systems mainly describe friend relations. They ignore the effect of entity-relation-event games on the metaverse system and existing rule constraints. We propose a rule controller and impose constraints on the relations that allow the framework to behave in a compliant manner. We build a metaverse system to test the features of the framework, and experimental results show that our framework can build a multi-scene metaverse with memory and rule constraints.
• Abstract（参考訳）: 既存のメタバースシステムは、エンティティとイベントの間の豊富な関係タイプを欠いている。 課題は、メタバースにリッチな概念、関係、イベントを導入するためのポータブルなフレームワークがないことです。 本稿ではメタバースフレームワークMetaOnceを紹介する。 このフレームワークはマルチシーングラフの構築を提案する。 このフレームワークは、単一のシーンでリッチな関係を記述するだけでなく、複数のシーングラフを完全なグラフに組み合わせ、より包括的な分析と推論を行う。 以前のソーシャルネットワークシステムは主に友人関係を記述している。 エンティティ-リレーショナル-イベントゲームがメタバースシステムと既存のルール制約に与える影響を無視する。 ルールコントローラを提案し,フレームワークが順応的に振る舞うことを可能にする関係に制約を課す。 我々は,フレームワークの機能をテストするメタバースシステムを構築し,実験結果から,メモリとルール制約を伴うマルチシーンメタバースを構築することができることを示す。

関連論文リスト

• A Graph Theoretic Approach to Analyze the Developing Metaverse [0.0]
  発達するメタバースは、現在の状態から、おそらくは高度なメタバースへの遷移周期として定義することができる。 本稿は, グラフィカルな観点から, 現在のメタバースの構造や, 一つの傘の下で発達・発展するメタバースの鍵となるものなどをモデル化することを目的とする。
  論文  参考訳（メタデータ） (2024-09-14T17:30:50Z)
• Enhancing Scene Graph Generation with Hierarchical Relationships and Commonsense Knowledge [7.28830964611216]
  この研究は、関係階層とコモンセンス知識の両方によってシーングラフを生成するための拡張されたアプローチを導入する。 我々は,シーングラフ予測システムから結果を批判するために基礎モデルを活用する,堅牢なコモンセンス検証パイプラインを実装した。 Visual GenomeとOpenImage V6データセットの実験では、既存のシーングラフ生成アルゴリズムのプラグインとプレイの拡張として、提案されたモジュールをシームレスに統合できることが示されている。
  論文  参考訳（メタデータ） (2023-11-21T06:03:20Z)
• Multi-Label Meta Weighting for Long-Tailed Dynamic Scene Graph Generation [55.429541407920304]
  対象と対象のペア間の述語認識は、本質的に不均衡であり、複数ラベルである。 最近の最先端の手法は、主に最も頻繁に発生する述語クラスに焦点を当てている。 偏りのある述語分布を扱うために,多言語メタラーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-06-16T18:14:23Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• Multimodal Event Transformer for Image-guided Story Ending Generation [36.1319565907582]
  画像誘導ストーリーエンディング生成(IgSEG)は、与えられたストーリープロットとエンディング画像に基づいてストーリーエンディングを生成する。 既存の手法は、クロスモーダルな特徴融合に重点を置いているが、ストーリープロットやエンディングイメージから暗黙の情報を推論し、マイニングするのを見落としている。 IgSEGのイベントベースの推論フレームワークであるマルチモーダルイベントトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2023-01-26T19:10:07Z)
• Iterative Scene Graph Generation [55.893695946885174]
  シーングラフ生成は、オブジェクトエンティティとその対応する相互作用述語を所定の画像(またはビデオ)で識別する。 シーングラフ生成への既存のアプローチは、推定イテレーションの実現を可能にするために、関節分布の特定の因子化を前提としている。 本稿では,この制限に対処する新しいフレームワークを提案するとともに,画像に動的条件付けを導入する。
  論文  参考訳（メタデータ） (2022-07-27T10:37:29Z)
• SGTR: End-to-end Scene Graph Generation with Transformer [41.606381084893194]
  シーングラフ生成(SGG)は、複雑な構成特性のため、難しい視覚的理解課題である。 本稿では、上記の問題に対処する新しいSGG法を提案し、この課題を二部グラフ構築問題として定式化する。
  論文  参考訳（メタデータ） (2021-12-24T07:10:18Z)
• Learning to Compose Visual Relations [100.45138490076866]
  我々は,各関係を非正規化密度(エネルギーベースモデル)として表現することを提案する。 このような分解を分解することで、複数の関係を持つシーンをより忠実に生成・編集できることを示す。
  論文  参考訳（メタデータ） (2021-11-17T18:51:29Z)
• Unconditional Scene Graph Generation [72.53624470737712]
  我々はラベル付きおよび有向グラフ上の確率分布を学習できるSceneGraphGenと呼ばれる深層自己回帰モデルを開発した。 SceneGraphGenによって生成されたシーングラフは多様であり、実世界のシーンのセマンティックなパターンに従う。
  論文  参考訳（メタデータ） (2021-08-12T17:57:16Z)
• TransVG: End-to-End Visual Grounding with Transformers [102.11922622103613]
  本稿では,画像に対して言語クエリを接地するタスクに対処するためのトランスフォーマティブベースのフレームワークであるtransvgを提案する。 複雑な核融合モジュールは、高い性能でトランスフォーマーエンコーダ層を単純なスタックで置き換えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-17T13:35:24Z)

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。