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
- Semi-Supervised Image Captioning by Adversarially Propagating Labeled
Data [95.0476489266988]
本稿では、画像キャプションモデルの一般化を改善するための、新しいデータ効率半教師付きフレームワークを提案する。
提案手法は,キャプタにペアデータから学習し,段階的に未ペアデータの関連付けを行うよう訓練する。
1)画像ベースと(2)高密度領域ベースキャプションデータセットの両方を総合的かつ包括的な実験結果とし,それに続いて,少ないペアリングデータセットの包括的分析を行った。
論文 参考訳（メタデータ） (2023-01-26T15:25:43Z) - Is one annotation enough? A data-centric image classification benchmark
for noisy and ambiguous label estimation [2.2807344448218503]
実世界の9つのデータセットと1つの画像に複数のアノテーションを付加した,データ中心の画像分類ベンチマークを提案する。
複数のアノテーションが実際のクラス分布をよりよく近似できることを示す。
ハードラベルはデータのあいまいさを捉えることができず、これは過信モデルの一般的な問題につながる可能性がある。
論文 参考訳（メタデータ） (2022-07-13T14:17:21Z) - Boosting Entity-aware Image Captioning with Multi-modal Knowledge Graph [96.95815946327079]
名前付きエンティティの長期分布により、名前付きエンティティと視覚的キューの関係を学習することは困難である。
本稿では、視覚オブジェクトと名前付きエンティティを関連付けるために、マルチモーダルな知識グラフを構築する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-07-26T05:50:41Z) - Semantic Segmentation with Generative Models: Semi-Supervised Learning
and Strong Out-of-Domain Generalization [112.68171734288237]
本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。
我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。
ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
論文 参考訳（メタデータ） (2021-04-12T21:41:25Z) - Grafit: Learning fine-grained image representations with coarse labels [114.17782143848315]
本稿では,学習ラベルの提供するものよりも細かな表現を学習する問題に対処する。
粗いラベルと下層の細粒度潜在空間を併用することにより、カテゴリレベルの検索手法の精度を大幅に向上させる。
論文 参考訳（メタデータ） (2020-11-25T19:06:26Z) - Multi-label Zero-shot Classification by Learning to Transfer from
External Knowledge [36.04579549557464]
マルチラベルゼロショット分類は、入力画像に対する複数の未知のクラスラベルを予測することを目的としている。
本稿では,外部知識の伝達を学習することで,新たなゼロショット分類フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-30T17:26:46Z) - 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) - Learning Representations For Images With Hierarchical Labels [1.3579420996461438]
クラスラベルによって誘導されるセマンティック階層に関する情報を活用するための一連の手法を提案する。
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提供により、全体的な性能が向上することを示す。
しかし,CNN分類器には階層的な情報が注入され,組込みベースモデルでは,新たに提示された実世界ETHエコロジーコレクションイメージデータセットの階層非依存モデルよりも優れていた。
論文 参考訳（メタデータ） (2020-04-02T09:56:03Z) - 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。