論文の概要: Improving Maximum Likelihood Difference Scaling method to measure inter content scale

• arxiv url: http://arxiv.org/abs/2203.13186v1
• Date: Fri, 25 Feb 2022 08:35:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-03 20:39:19.242821
• Title: Improving Maximum Likelihood Difference Scaling method to measure inter content scale
• Title（参考訳）: コンテンツ間スケール測定のための最大相違スケーリング法の改善
• Authors: Pastor Andr\'eas, Luk\'a\v{s} Krasula, Xiaoqing Zhu, Zhi Li, Patrick Le Callet
• Abstract要約: 知覚距離を考慮すれば、識別力、観察者の認知的負荷、必要な試行回数の面でメリットがもたらされることが示される。 MLDS法の欠点の1つは、異なるソースコンテンツから生成された刺激に対して得られる知覚尺度が一般的には比較にならないことである。
• 参考スコア（独自算出の注目度）: 29.39381890091183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The goal of most subjective studies is to place a set of stimuli on a perceptual scale. This is mostly done directly by rating, e.g. using single or double stimulus methodologies, or indirectly by ranking or pairwise comparison. All these methods estimate the perceptual magnitudes of the stimuli on a scale. However, procedures such as Maximum Likelihood Difference Scaling (MLDS) have shown that considering perceptual distances can bring benefits in terms of discriminatory power, observers' cognitive load, and the number of trials required. One of the disadvantages of the MLDS method is that the perceptual scales obtained for stimuli created from different source content are generally not comparable. In this paper, we propose an extension of the MLDS method that ensures inter-content comparability of the results and shows its usefulness especially in the presence of observer errors.
• Abstract（参考訳）: 最も主観的な研究の目標は、一連の刺激を知覚尺度に配置することである。 これは、例えば単刺激法や二重刺激法、または間接的にランク付けまたはペア比較によって直接行われる。 これらの手法はすべて、刺激の知覚的大きさを尺度で推定する。 しかし、MLDS (Maximum Likelihood Difference Scaling) のような手順では、知覚距離を考慮すれば、識別力、観察者の認知負荷、必要な試行回数といった面でメリットが得られることが示されている。 MLDS法の欠点の1つは、異なるソースコンテンツから生成された刺激に対して得られる知覚尺度が一般的には比較にならないことである。 本稿では,結果のコンテンツ間比較性を保証するmlds法の拡張を提案し,特にオブザーバエラーが存在する場合に有用性を示す。

関連論文リスト

• Multi-Perspective Stance Detection [2.8073184910275293]
  マルチパースペクティブアプローチは、単一ラベルを使用するベースラインよりも優れた分類性能が得られる。 これは、より包括的な視点を意識したAIモデルを設計することが、責任と倫理的なAIを実装するための重要な第一歩であるだけでなく、従来のアプローチよりも優れた結果を達成することも必要である。
  論文  参考訳（メタデータ） (2024-11-13T16:30:41Z)
• Does Machine Bring in Extra Bias in Learning? Approximating Fairness in Models Promptly [2.002741592555996]
  機械学習モデルの識別レベルを評価するための既存の技術には、一般的に使用されるグループと個別の公正度尺度が含まれる。 本稿では,集合間の距離に基づく「HFM(Harmonic Fairness measure)」を提案する。 実験結果から,提案した公正度尺度 HFM が有効であり,提案した ApproxDist が有効かつ効率的であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-15T11:07:40Z)
• Variance Reduction in Ratio Metrics for Efficient Online Experiments [12.036747050794135]
  大規模なショートビデオプラットフォーム上での比率測定に分散低減手法を適用した: ShareChat。 その結果,77%の症例でA/Bテストの信頼性を向上できるか,データポイントを30%減らして同一の信頼性を維持することができることがわかった。
  論文  参考訳（メタデータ） (2024-01-08T18:01:09Z)
• Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
  論文  参考訳（メタデータ） (2023-03-21T14:24:58Z)
• Revisiting Few-Shot Learning from a Causal Perspective [11.59251896804287]
  我々は、因果的メカニズムを用いて、計量に基づく少ショット学習手法を解釈しようと試みる。 既存のアプローチは,正面調整の特定の形態とみなすことができる。 本稿では,2つの因果的手法を導入する。
  論文  参考訳（メタデータ） (2022-09-28T03:46:02Z)
• Recall@k Surrogate Loss with Large Batches and Similarity Mixup [62.67458021725227]
  微分不可能な場合、評価計量の勾配降下による直接最適化は不可能である。 本研究は,リコールにおける相異なるサロゲート損失を提案する。 提案手法は,複数の画像検索ベンチマークにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-08-25T11:09:11Z)
• Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and Contrastive Meta-Learning [51.03781020616402]
  現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。 そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。 粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
  論文  参考訳（メタデータ） (2021-08-15T02:21:01Z)
• ReMP: Rectified Metric Propagation for Few-Shot Learning [67.96021109377809]
  修正されたメートル法空間は、トレーニングからテストまでのメートル法一貫性を維持するために学習される。 多くの分析結果から、目的の単純な修正がかなりの性能向上をもたらすことが示唆された。 提案したReMPは効率的で効率的であり、様々な標準的な数発の学習データセットで芸術の状態を上回ります。
  論文  参考訳（メタデータ） (2020-12-02T00:07:53Z)
• Neural Methods for Point-wise Dependency Estimation [129.93860669802046]
  我々は,2つの結果が共起する確率を定量的に測定する点依存度(PD)の推定に焦点をあてる。 提案手法の有効性を,1)MI推定,2)自己教師付き表現学習,3)クロスモーダル検索タスクで示す。
  論文  参考訳（メタデータ） (2020-06-09T23:26:15Z)
• Learning from Aggregate Observations [82.44304647051243]
  本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。 本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。 単純な極大解は様々な微分可能なモデルに適用できる。
  論文  参考訳（メタデータ） (2020-04-14T06:18:50Z)

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。