論文の概要: A Visual Analytics Framework for Composing a Hierarchical Classification
for Medieval Illuminations
- arxiv url: http://arxiv.org/abs/2208.09657v1
- Date: Sat, 20 Aug 2022 10:59:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 14:12:46.959743
- Title: A Visual Analytics Framework for Composing a Hierarchical Classification
for Medieval Illuminations
- Title(参考訳): 中世イルミネーションの階層分類作成のためのビジュアル分析フレームワーク
- Authors: Christofer Meinecke, Estelle Gu\'eville, David Joseph Wrisley and
Stefan J\"anicke
- Abstract要約: このプロジェクトは、未完成で学術的・言語的な相違に基づく相反するメタデータで構成された、すでに注釈付き中世の写本の2つのセットから始まった。
本研究の目的は,(1)組み合わせデータセットの統一的な記述ラベルセットを作成し,(2)教師あり機械学習に有用な高品質の階層的な分類を行うことであった。
単語と画像の埋め込みのためのビジュアルインターフェースとデータセット間のアノテーションの共起により、同時に複数の画像に注釈を付けることができ、アノテーションラベル候補を推奨し、ラベルの階層的な分類をサポートする。
- 参考スコア(独自算出の注目度): 0.2502560929655131
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Annotated data is a requirement for applying supervised machine learning
methods, and the quality of annotations is crucial for the result. Especially
when working with cultural heritage collections that inhere a manifold of
uncertainties, annotating data remains a manual, arduous task to be carried out
by domain experts. Our project started with two already annotated sets of
medieval manuscript images which however were incomplete and comprised
conflicting metadata based on scholarly and linguistic differences. Our aims
were to create (1) a uniform set of descriptive labels for the combined data
set, and (2) a hierarchical classification of a high quality that can be used
as a valuable input for supervised machine learning. To reach these goals, we
developed a visual analytics system to enable medievalists to combine,
regularize and extend the vocabulary used to describe these data sets. Visual
interfaces for word and image embeddings as well as co-occurrences of the
annotations across the data sets enable annotating multiple images at the same
time, recommend annotation label candidates and support composing a
hierarchical classification of labels. Our system itself implements a
semi-supervised method as it updates visual representations based on the
medievalists' feedback, and a series of usage scenarios document its value for
the target community.
- Abstract(参考訳): アノテーション付きデータは教師付き機械学習手法を適用するための要件であり、アノテーションの品質が結果に不可欠である。
特に、不確実性の多様体を持つ文化遺産のコレクションを扱う場合、注釈はドメインの専門家が行うべき手作業であり、厳しい作業である。
本研究は,未完成で,学術的・言語学的相違に基づく相反するメタデータを網羅した,すでに注釈付き中世写本の2セットから始まった。
本研究の目的は,(1)複合データセットのための記述ラベルの統一セットを作成し,(2)教師付き機械学習のための有用な入力として使用できる高品質の階層分類を行うことである。
これらの目標を達成するために、中世主義者がこれらのデータセットを記述するのに使われる語彙を組み合わせ、規則化し、拡張できるビジュアル分析システムを開発した。
単語と画像の埋め込みのためのビジュアルインターフェースとデータセット間のアノテーションの共起により、同時に複数の画像に注釈を付けることができ、アノテーションラベル候補を推奨し、ラベルの階層的な分類をサポートする。
システム自体も,中世のフィードバックに基づいて視覚表現を更新する半教師付き手法を実装しており,一連の利用シナリオでは,対象とするコミュニティにとっての価値を文書化している。
関連論文リスト
- CLIP-GCD: Simple Language Guided Generalized Category Discovery [21.778676607030253]
一般化カテゴリー発見(GCD)は、既知のカテゴリと未知のカテゴリをラベルのないデータで分類するモデルを必要とする。
従来の手法では、自己教師付き事前学習とラベル付きデータの教師付き微調整を併用し、続いて単純なクラスタリング手法を併用していた。
我々は2つの相補的な方法でマルチモーダル(ビジョンと言語)モデルを活用することを提案する。
論文 参考訳(メタデータ) (2023-05-17T17:55:33Z) - Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。
本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
論文 参考訳(メタデータ) (2022-05-30T17:50:59Z) - The Weak Supervision Landscape [5.186945902380689]
弱い監督設定を分類する枠組みを提案する。
我々は、弱い監督を特徴付ける重要な要素を特定し、既存のアプローチのほとんどを分類する一連の次元を考案する。
文献における一般的な設定がフレームワークにどのように適合するかを示し、実際に使用可能な使用法について議論する。
論文 参考訳(メタデータ) (2022-03-30T13:19:43Z) - On Guiding Visual Attention with Language Specification [76.08326100891571]
注意をそらすのではなく,タスク関連機能に分類証拠を限定するためのアドバイスとして,ハイレベルな言語仕様を用いる。
この方法で空間的注意を監督することは、偏りのあるノイズのあるデータを用いた分類タスクの性能を向上させる。
論文 参考訳(メタデータ) (2022-02-17T22:40:19Z) - Generating More Pertinent Captions by Leveraging Semantics and Style on
Multi-Source Datasets [56.018551958004814]
本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。
ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。
本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
論文 参考訳(メタデータ) (2021-11-24T19:00:05Z) - Novel Visual Category Discovery with Dual Ranking Statistics and Mutual
Knowledge Distillation [16.357091285395285]
我々は、新しいクラスから異なるセマンティックパーティションに非ラベリングなイメージをグループ化する問題に取り組む。
これは従来の半教師付き学習よりも現実的で難しい設定です。
本稿では,局所的な部分レベル情報に焦点をあてた2分岐学習フレームワークと,全体特性に焦点をあてた2分岐学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-07-07T17:14:40Z) - Quantifying Learnability and Describability of Visual Concepts Emerging
in Representation Learning [91.58529629419135]
我々は、ディープニューラルネットワークによって自動的に発見された視覚的なグルーピングを特徴付ける方法を検討する。
本稿では、任意の画像グループ化の解釈可能性の定量化に使用できる視覚的学習可能性と記述可能性という2つの概念を紹介する。
論文 参考訳(メタデータ) (2020-10-27T18:41:49Z) - Hierarchical Metadata-Aware Document Categorization under Weak
Supervision [32.80303008934164]
タスクのための埋め込みベースの生成フレームワークであるHiMeCatを開発した。
本稿では,カテゴリ依存の同時モデリングが可能な新しい共同表現学習モジュールを提案する。
トレーニング文書を階層的に合成して,当初の小規模トレーニングセットを補完するデータ拡張モジュールを提案する。
論文 参考訳(メタデータ) (2020-10-26T13:07:56Z) - Hierarchical Image Classification using Entailment Cone Embeddings [68.82490011036263]
まずラベル階層の知識を任意のCNNベースの分類器に注入する。
画像からの視覚的セマンティクスと組み合わせた外部セマンティクス情報の利用が全体的な性能を高めることを実証的に示す。
論文 参考訳(メタデータ) (2020-04-02T10:22:02Z) - Collaborative Learning of Semi-Supervised Clustering and Classification
for Labeling Uncurated Data [6.871887763122593]
ドメイン固有のイメージコレクションは、科学とビジネスの様々な領域において潜在的な価値を示す。
このような画像データに同時代の教師付き画像解析手法を採用するには、まずクリーン化と整理を行い、次に特定のドメインで使用される命名書に手動でラベル付けする必要がある。
我々はPludシステムの設計と実装を行い、専門家が費やした労力を最小限に抑え、現実的な大量の画像の収集を処理した。
論文 参考訳(メタデータ) (2020-03-09T17:03:05Z) - Automatically Discovering and Learning New Visual Categories with
Ranking Statistics [145.89790963544314]
我々は,他のクラスをラベル付けした画像コレクションにおいて,新しいクラスを発見する問題に対処する。
汎用クラスタリングモデルを学び、後者を用いて、非競合データ中の新しいクラスを識別する。
我々は,標準分類ベンチマークに対するアプローチと,新しいカテゴリー発見法の性能を,有意なマージンで評価した。
論文 参考訳(メタデータ) (2020-02-13T18:53:32Z)
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。