論文の概要: Towards Better User Studies in Computer Graphics and Vision
- arxiv url: http://arxiv.org/abs/2206.11461v1
- Date: Thu, 23 Jun 2022 02:44:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-24 14:30:25.410254
- Title: Towards Better User Studies in Computer Graphics and Vision
- Title（参考訳）: コンピュータグラフィックスとビジョンにおけるより良いユーザー研究を目指して
- Authors: Zoya Bylinskii, Laura Herman, Aaron Hertzmann, Stefanie Hutka, Yile
Zhang
- Abstract要約: コンピュータビジョンとグラフィック論文におけるユーザ研究の設計と報告により多くの注意を払う必要があると我々は主張する。
本稿では,ユーザエクスペリエンスリサーチ(UXR),ヒューマンコンピュータインタラクション(HCI),関連分野の方法論の概要を紹介する。
- 参考スコア（独自算出の注目度）: 16.871125231593272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online crowdsourcing platforms make it easy to perform evaluations of
algorithm outputs with surveys that ask questions like "which image is better,
A or B?") The proliferation of these "user studies" in vision and graphics
research papers has led to an increase of hastily conducted studies that are
sloppy and uninformative at best, and potentially harmful and misleading. We
argue that more attention needs to be paid to both the design and reporting of
user studies in computer vision and graphics papers. In an attempt to improve
practitioners' knowledge and increase the trustworthiness and replicability of
user studies, we provide an overview of methodologies from user experience
research (UXR), human-computer interaction (HCI), and related fields. We
discuss foundational user research methods (e.g., needfinding) that are
presently underutilized in computer vision and graphics research, but can
provide valuable guidance for research projects. We provide further pointers to
the literature for readers interested in exploring other UXR methodologies.
Finally, we describe broader open issues and recommendations for the research
community. We encourage authors and reviewers alike to recognize that not every
research contribution requires a user study, and that having no study at all is
better than having a carelessly conducted one.
- Abstract（参考訳）: オンラインのクラウドソーシングプラットフォームは、"どの画像が良いのか、AかBか"といった質問をすることで、アルゴリズムのアウトプットの評価を簡単にする。
コンピュータビジョンとグラフィック論文におけるユーザ研究の設計と報告により多くの注意を払う必要があると我々は主張する。
ユーザエクスペリエンス研究(UXR)やヒューマン・コンピュータ・インタラクション(HCI)など,実践者の知識を向上し,ユーザ研究の信頼性と再現性を高めるために,ユーザエクスペリエンス研究(UXR)やヒューマン・コンピュータ・インタラクション(HCI),関連分野の方法論の概要を紹介する。
本稿では,現在,コンピュータビジョンやグラフィックス研究で活用されていないが,研究プロジェクトにおいて有用なガイダンスを提供する基礎的ユーザリサーチ手法(例えば,ニードルフィング)について検討する。
我々は、他のUXR方法論を探求することに興味のある読者のために、文献へのさらなる注記を提供する。
最後に,研究コミュニティに対する幅広いオープンイシューとレコメンデーションについて述べる。
著者やレビュアーには,すべての研究貢献がユーザ調査を必要とするわけではないこと,不注意に実施した研究よりも研究がまったくない方がよいことを認識するように勧める。
関連論文リスト
- Learning the Bitter Lesson: Empirical Evidence from 20 Years of CVPR Proceedings [1.3812010983144802]
本研究では,コンピュータビジョンとパターン認識に関するemphConference on Computer Vision and Pattern Recognition(CVPR)研究と,Rich Sutton氏の提唱する"ビット・レッスン"の原則の整合性を検討する。
大規模言語モデル(LLM)を用いて,20年にわたるCVPRの抽象概念とタイトルを分析し,これらの原則の受容性を評価する。
論文 参考訳（メタデータ） (2024-10-12T21:06:13Z) - Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。
歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。
本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
論文 参考訳（メタデータ） (2024-08-05T13:44:22Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Literature Review: Computer Vision Applications in Transportation
Logistics and Warehousing [58.720142291102135]
輸送物流や倉庫におけるコンピュータビジョンの応用は、プロセスの自動化に大きな可能性を秘めている。
本稿では、この可能性を活用するために、この分野の研究に関する構造化された文献レビューを紹介する。
論文 参考訳（メタデータ） (2023-04-12T17:33:41Z) - Attention is All They Need: Exploring the Media Archaeology of the Computer Vision Research Paper [4.968848569103028]
深層学習革命が学界に前例のない成長をもたらしたため、過去10年間にコンピュータビジョンの変化を研究してきた。
我々の分析は、研究論文要素がいかに広告、測定、普及に寄与するかという研究注意経済に焦点を当てている。
論文 参考訳（メタデータ） (2022-09-22T17:42:44Z) - Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。
提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文 参考訳（メタデータ） (2022-09-08T09:13:07Z) - Vision-Centric BEV Perception: A Survey [92.98068828762833]
視覚中心のBird's Eye View(BEV)の認識は、産業と学界の両方から大きな関心を集めている。
ディープラーニングの急速な進歩は、視覚中心のBEV知覚問題に対処する多くの方法の提案につながった。
本稿では、最新の知識をコンパイルし、整理し、一般的なアルゴリズムの体系的なレビューと要約を提供する。
論文 参考訳（メタデータ） (2022-08-04T17:53:17Z) - Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case [11.907821975089064]
本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。
誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
論文 参考訳（メタデータ） (2022-07-11T20:51:28Z) - Enhancing Reading Strategies by Exploring A Theme-based Approach to
Literature Surveys [5.004814662623872]
我々は,コーパスを視覚的に,テーマ的に探索できる方法論を考案し,個人化された全体的読解戦略を開発した。
その結果, (i) 未読の論文を選別し, (ii) より一貫性のある読解戦略を開発し, (iii) 論文間のテーマ構造と関係をより効果的に理解した。
論文 参考訳（メタデータ） (2021-02-10T10:36:45Z) - Open Source Software for Efficient and Transparent Reviews [0.11179881480027788]
ASReviewはオープンソースの機械学習支援パイプラインで、アクティブラーニングを適用している。
シミュレーションにより,ASReviewは手作業によるレビューよりもはるかに効率的なレビューを実現することができることを示す。
論文 参考訳（メタデータ） (2020-06-22T11:57:10Z) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。