論文の概要: A Recommender System for Equitable Public Art Curation and Installation

• arxiv url: http://arxiv.org/abs/2207.14367v1
• Date: Thu, 28 Jul 2022 19:59:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:26:53.560016
• Title: A Recommender System for Equitable Public Art Curation and Installation
• Title（参考訳）: 公共アートキュレーションとインスタレーションの公平化のためのレコメンダシステム
• Authors: Anna Haensch, Abiy Tasissa, Dina Deitsch
• Abstract要約: 本稿では,包括的空間をサポートする方法でパブリックアートを選択するためのカリキュラムツールを構築するために,局所制約付きグラフマッチング手法を提案する。 コスト行列を入力として、投射勾配降下により最適化問題を解き、ソフトな代入行列を得る。 当社の最適化プログラムは,「グループ内」の選好を優先しない方法で,公共空間や壁にアートワークを割り当てる。
• 参考スコア（独自算出の注目度）: 1.933681537640272
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The placement of art in public spaces can have a significant impact on who feels a sense of belonging. In cities, public art communicates whose interests and culture are being favored. In this paper, we propose a graph matching approach with local constraints to build a curatorial tool for selecting public art in a way that supports inclusive spaces. We develop a cost matrix by drawing on Schelling's model of segregation. Using the cost matrix as an input, the optimization problem is solved via projected gradient descent to obtain a soft assignment matrix. We discuss regularization terms to set curatorial constraints. Our optimization program allocates artwork to public spaces and walls in a way that de-prioritizes "in-group" preferences, by satisfying minimum representation and exposure criteria. We draw on existing literature to develop a fairness metric for our algorithmic output. Using Tufts University as a testbed, we assess the effectiveness of our approach and discuss its potential pitfalls from both a curatorial and equity standpoint.
• Abstract（参考訳）: 公共空間における芸術の配置は、誰が持ち物を感じているかに大きな影響を与える可能性がある。 都市では、公共芸術は、その利益と文化が好まれている。 本稿では,包括的空間をサポートする方法でパブリックアートを選択するためのキュレーターツールを構築するために,局所制約を伴うグラフマッチング手法を提案する。 我々は、Schellingの分離モデルに基づくコスト行列を開発する。 コスト行列を入力として、投射勾配降下により最適化問題を解き、ソフトな代入行列を得る。 正規化条件を議論し、キュラリアル制約を設定する。 私たちの最適化プログラムでは,最小表現と露出基準を満たして,「グループ内」の選好を優先しない方法で,公共空間や壁へアートワークを割り当てる。 既存の文献を参考にして,アルゴリズム出力の公平性指標を開発した。 タフツ大学をテストベッドとして利用し、我々のアプローチの有効性を評価し、カリキュラムと株式の両方の観点から潜在的な落とし穴について論じる。

関連論文リスト

• A Semidefinite Relaxation Approach for Fair Graph Clustering [1.03590082373586]
  本研究では、異なる影響原理の枠組みの中で、公正なグラフクラスタリングを導入する。 我々は、基礎となる最適化問題を近似するために半定緩和法を用いる。
  論文  参考訳（メタデータ） (2024-10-19T22:51:24Z)
• Parametric Fairness with Statistical Guarantees [0.46040036610482665]
  我々は、予測に分布特性を組み込むためのデモグラフィックパリティの概念を拡張し、専門家の知識を公正なソリューションで利用できるようにする。 我々は、賃金の実践的な例を通して、この新しい指標の使用を説明し、実践的な課題に効率的に対処するパラメトリック手法を開発する。
  論文  参考訳（メタデータ） (2023-10-31T14:52:39Z)
• LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference [66.45326873274908]
  本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。 MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
  論文  参考訳（メタデータ） (2023-07-23T03:38:55Z)
• Fair and skill-diverse student group formation via constrained k-way graph partitioning [65.29889537564455]
  本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。 学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。 この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
  論文  参考訳（メタデータ） (2023-01-12T14:02:49Z)
• Classification Utility, Fairness, and Compactness via Tunable Information Bottleneck and R\'enyi Measures [11.907059059978774]
  R'enyi Fair Information Bottleneck Method (RFIB) と呼ばれる新しいフェア表現学習手法を提案する。 このアプローチのキーとなる属性は、ほとんどの以前の作業とは対照的に、人口統計学的パーティと等化オッズの両方を公正な制約として考えることである。 RFIBは, 実用性, 公正性, 複合実用性/フェアネスの測定値において, 現在の最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-20T23:18:59Z)
• A Curriculum-style Self-training Approach for Source-Free Semantic Segmentation [91.13472029666312]
  ソースフリーなドメイン適応型セマンティックセマンティックセグメンテーションのためのカリキュラムスタイルの自己学習手法を提案する。 提案手法は, ソースフリーなセマンティックセグメンテーションタスクにおいて, 合成-実-実-実-実-実-実-非実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
  論文  参考訳（メタデータ） (2021-06-22T10:21:39Z)
• Graph-Embedded Subspace Support Vector Data Description [98.78559179013295]
  一クラス分類のための新しいサブスペース学習フレームワークを提案する。 提案されたフレームワークはグラフ埋め込みという形で問題を提示する。 ベースラインに対する改善されたパフォーマンスと、最近提案された1クラス分類のためのサブスペース学習方法を示す。
  論文  参考訳（メタデータ） (2021-04-29T14:30:48Z)
• Rule Generation for Classification: Scalability, Interpretability, and Fairness [0.0]
  制約付き分類のためのルールベースの新しい最適化手法を提案する。 ルールにコスト係数を割り当て、追加制約を導入することにより、解釈可能性と公正性に対処する。 提案手法は,一方の局所的解釈可能性と他方の正当性,他方の精度との間に良好な妥協関係を示す。
  論文  参考訳（メタデータ） (2021-04-21T20:31:28Z)
• Supercharging Imbalanced Data Learning With Energy-based Contrastive Representation Transfer [72.5190560787569]
  コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。 本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。 これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
  論文  参考訳（メタデータ） (2020-11-25T00:13:11Z)
• Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
  本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。 この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。 本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-04T04:10:39Z)
• Fair Policy Targeting [0.6091702876917281]
  社会福祉プログラムにおける個人に対する介入を標的とする主な関心事の1つは差別である。 本稿では,公平かつ効率的な処理割り当てルールの設計に関する課題に対処する。
  論文  参考訳（メタデータ） (2020-05-25T20:45:25Z)

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。