論文の概要: MetaAID: A Flexible Framework for Developing Metaverse Applications via
AI Technology and Human Editing
- arxiv url: http://arxiv.org/abs/2204.01614v1
- Date: Mon, 4 Apr 2022 16:08:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 17:51:38.656816
- Title: MetaAID: A Flexible Framework for Developing Metaverse Applications via
AI Technology and Human Editing
- Title（参考訳）: MetaAID:AI技術と人間の編集によるメタバースアプリケーション開発のための柔軟なフレームワーク
- Authors: Hongyin Zhu
- Abstract要約: 本稿では,柔軟なメタバースAI技術フレームワークであるMetaAIDを提案する。
デジタル双生児と仮想人間の開発において、言語と意味技術をサポートすることを目的としている。
我々は、国内需要の拡大と経済内部循環に関する3つの産業への5つの応用を設計した。
- 参考スコア（独自算出の注目度）: 0.2741266294612776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Achieving the expansion of domestic demand and the economic internal
circulation requires balanced and coordinated support from multiple industries
(domains) such as consumption, education, entertainment, engineering
infrastructure, etc., which is indispensable for maintaining economic
development. Metaverse applications may help with this task and can make many
industries more interesting, more efficient, and provide a better user
experience. The first challenge is that metaverse application development
inevitably requires the support of various artificial intelligence (AI)
technologies such as natural language processing (NLP), knowledge graph (KG),
computer vision (CV), and machine learning (ML), etc. However, existing
metaverse application development lacks a lightweight AI technology framework.
This paper proposes a flexible metaverse AI technology framework metaAID that
aims to support language and semantic technologies in the development of
digital twins and virtual humans. The second challenge is that the development
process of metaverse applications involves both technical development tasks and
manual editing work, and often becomes a heavyweight multi-team collaboration
project, not to mention the development of metaverse applications in multiple
industries. Our framework summarizes common AI technologies and application
development templates with common functional modules and interfaces. Based on
this framework, we have designed 5 applications for 3 industries around the
expansion of domestic demand and economic internal circulation. Experimental
results show that our framework can support AI technologies when developing
metaverse applications in different industries.
- Abstract（参考訳）: 国内需要の拡大と経済内部の循環を達成するには、経済発展の維持に欠かせない消費、教育、エンターテイメント、エンジニアリングインフラなどの複数の産業(ドメイン)からのバランスと協調の支援が必要である。
メタバースアプリケーションは、このタスクに役立ち、多くの業界をより興味深く、より効率的にし、より良いユーザーエクスペリエンスを提供することができます。
最初の課題は、メタバースアプリケーション開発が必然的に自然言語処理(NLP)、知識グラフ(KG)、コンピュータビジョン(CV)、機械学習(ML)など、さまざまな人工知能(AI)技術のサポートを必要とすることである。
しかし、既存のメタバースアプリケーション開発には軽量なAI技術フレームワークがない。
本稿では,デジタル双生児と仮想人間の開発における言語と意味技術のサポートを目的とした,フレキシブルなメタバースAI技術フレームワークMetaAIDを提案する。
第2の課題は、メタバースアプリケーションの開発プロセスは、技術開発タスクと手作業による編集作業の両方を伴い、複数の産業におけるメタバースアプリケーションの開発だけでなく、しばしば重厚なマルチチームコラボレーションプロジェクトになることです。
当社のフレームワークは、共通のai技術とアプリケーション開発テンプレートを、共通の機能モジュールとインターフェースで要約します。
この枠組みに基づき,国内需要の拡大と経済内部循環に関する3産業への5つの応用をデザインした。
実験の結果,異なる産業におけるメタバースアプリケーションの開発において,我々のフレームワークがAI技術をサポートできることが示唆された。
関連論文リスト
- Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳（メタデータ） (2024-11-20T11:57:43Z) - Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - Next-Gen Software Engineering: AI-Assisted Big Models [0.0]
本稿では,ソフトウェア工学におけるモデルとAIの合成を容易にすることを目的とする。
本稿では,AI支援ソフトウェア工学の現状について概説する。
SEにおけるAI支援ビッグデータのビジョンは、両方のアプローチに固有のアドバンテージを活用することを目的としている。
論文 参考訳（メタデータ） (2024-09-26T16:49:57Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - A Data-to-Product Multimodal Conceptual Framework to Achieve Automated Software Evolution for Context-rich Intelligent Applications [0.0]
本研究では,ソフトウェアの自動進化を実現するための概念的枠組みを提案する。
概念的枠組みに基づいて選択的シーケンススコープモデル(3S)モデルを開発する。
この研究はインテリジェントなアプリケーションに関するものだが、フレームワークと分析方法は、AIが彼らのライフサイクルにより多くのインテリジェンスをもたらすため、他のタイプのソフトウェアに適用される可能性がある。
論文 参考訳（メタデータ） (2024-04-07T06:05:25Z) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳（メタデータ） (2023-12-21T19:23:23Z) - A Vision for Operationalising Diversity and Inclusion in AI [5.4897262701261225]
本研究は,AIエコシステムにおける多様性と包摂性(D&I)の倫理的命令の運用を想定することを目的とする。
AI開発における重要な課題は、D&Iの原則を効果的に運用することである。
本稿では,ジェネレーティブAI(GenAI)を用いたペルソナシミュレーションを活用したツール開発のためのフレームワークの構想を提案する。
論文 参考訳（メタデータ） (2023-12-11T02:44:39Z) - Artificial Intelligence for the Metaverse: A Survey [66.57225253532748]
まず、機械学習アルゴリズムやディープラーニングアーキテクチャを含むAIの予備と、メタバースにおけるその役割について紹介する。
次に、メタバースの可能性を秘めた6つの技術的側面に関するAIベースの手法に関する包括的調査を行う。
医療、製造業、スマートシティ、ゲームなどのAI支援アプリケーションは、仮想世界に展開するために研究されている。
論文 参考訳（メタデータ） (2022-02-15T03:34:56Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z)
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。