論文の概要: Authoring Platform for Mobile Citizen Science Apps with Client-side ML
- arxiv url: http://arxiv.org/abs/2212.05411v1
- Date: Sun, 11 Dec 2022 05:10:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:56:40.135319
- Title: Authoring Platform for Mobile Citizen Science Apps with Client-side ML
- Title（参考訳）: クライアントサイドMLによるモバイル市民科学アプリのオーサリングプラットフォーム
- Authors: Fahim Hasan Khan, Akila de Silva, Gregory Dusek, James Davis, Alex
Pang
- Abstract要約: 市民科学プロジェクトの大部分は、異なる主題の写真やビデオが必要とされる視覚データに依存している。
本稿では,市民科学プロジェクトのためのモバイルアプリを簡単に作成するためのオーサリングプラットフォームを紹介する。
私たちのプラットフォームで作成されたアプリは、参加者が正しいデータを認識し、データ収集プロセスの効率を高めるのに役立ちます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data collection is an integral part of any citizen science project. Given the
wide variety of projects, some level of expertise or, alternatively, some
guidance for novice participants can greatly improve the quality of the
collected data. A significant portion of citizen science projects depends on
visual data, where photos or videos of different subjects are needed. Often
these visual data are collected from all over the world, including remote
locations. In this article, we introduce an authoring platform for easily
creating mobile apps for citizen science projects that are empowered with
client-side machine learning (ML) guidance. The apps created with our platform
can help participants recognize the correct data and increase the efficiency of
the data collection process. We demonstrate the application of our proposed
platform with two use cases: a rip current detection app for a planned pilot
study and a detection app for biodiversity-related projects.
- Abstract（参考訳）: データ収集はあらゆる市民科学プロジェクトにおいて不可欠な部分である。
多様なプロジェクト、ある程度の専門知識、あるいは初心者向けのガイダンスがあれば、収集されたデータの品質を大幅に向上させることができる。
市民科学プロジェクトの大部分は、異なる主題の写真やビデオが必要とされる視覚データに依存している。
遠隔地を含め、これらのビジュアルデータは世界中から収集されることが多い。
本稿では,クライアントサイド機械学習(ML)ガイダンスを応用した,市民科学プロジェクト用モバイルアプリの開発を容易にするオーサリングプラットフォームについて紹介する。
私たちのプラットフォームで作成されたアプリは、参加者が正しいデータを認識し、データ収集プロセスの効率を高めるのに役立つ。
本稿では,提案するプラットフォームを2つのユースケースで応用することを示す。rip電流検出アプリと,生物多様性関連プロジェクトの検出アプリである。
関連論文リスト
- DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。
このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。
現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
論文 参考訳（メタデータ） (2024-09-12T02:08:00Z) - SmartCS: Enabling the Creation of ML-Powered Computer Vision Mobile Apps for Citizen Science Applications without Coding [3.3010662002273023]
機械学習支援アプリは、データ収集タスクについて市民科学者にフィールドガイダンスを提供する。
これらのアプリはサーバ側のMLサポートに依存しているため、信頼性の高いインターネット接続が必要である。
我々は市民科学を民主化するためのプラットフォームを、研究者と参加者の両方のより広い聴衆に利用できるようにする。
論文 参考訳（メタデータ） (2024-05-23T08:54:50Z) - General Object Foundation Model for Images and Videos at Scale [99.2806103051613]
本稿では,画像やビデオ中の物体の位置と識別のためのオブジェクトレベルの基礎モデルであるGLEEを提案する。
GLEEは、オープンワールドシナリオにおける任意のオブジェクトの検出、セグメンテーション、トラッキング、グラウンド、識別を達成する。
画像エンコーダ,テキストエンコーダ,視覚プロンプトを用いて複数モーダル入力を処理し,様々なオブジェクト中心の下流タスクを同時に解決する。
論文 参考訳（メタデータ） (2023-12-14T17:26:00Z) - TAPS Responsibility Matrix: A tool for responsible data science by
design [2.2973034509761816]
データサイエンスプロジェクトの社会的、法的、倫理的側面を探求する枠組みとして、透明性、説明責任、プライバシー、社会責任マトリックス(TAPS-RM)について述べる。
TAPS-RMの開発モデルと、オープンデータのためのよく知られたイニシアチブをマッピングする。
TAPS-RMはデータサイエンスプロジェクトレベルでの責任を反映するツールであり、設計による責任あるデータサイエンスの推進に利用することができると結論付けている。
論文 参考訳（メタデータ） (2023-02-02T12:09:14Z) - What can Data-Centric AI Learn from Data and ML Engineering? [17.247372757533185]
データ中心のAIは、AIコミュニティで新しくてエキサイティングな研究トピックです。
すでに多くの組織が、さまざまな“データ中心”アプリケーションを構築し、メンテナンスしている。
我々は、データ中心のAIに適用することに興味のあるデータとMLエンジニアリングからいくつかの教訓について論じる。
論文 参考訳（メタデータ） (2021-12-13T06:40:05Z) - YMIR: A Rapid Data-centric Development Platform for Vision Applications [82.67319997259622]
本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
論文 参考訳（メタデータ） (2021-11-19T05:02:55Z) - AppBuddy: Learning to Accomplish Tasks in Mobile Apps via Reinforcement
Learning [19.990946219992992]
モバイルアプリのタスクを学習するためのRLベースのフレームワークを紹介した。
RLエージェントは、オンスクリーン要素の基本的な表現から派生した状態を備える。
我々は,効率的なRLトレーニング環境を実現するために,いくつかの工学的課題に対処するプラットフォームを開発する。
論文 参考訳（メタデータ） (2021-05-31T23:02:38Z) - TapNet: The Design, Training, Implementation, and Applications of a
Multi-Task Learning CNN for Off-Screen Mobile Input [75.05709030478073]
本稿では,スマートフォンのタップを検出するマルチタスクネットワークであるTapNetの設計,トレーニング,実装,応用について述べる。
TapNetはデバイス間のデータから共同で学習し、タップ方向やタップ位置を含む複数のタップ特性を同時に認識することができる。
論文 参考訳（メタデータ） (2021-02-18T00:45:41Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Visual Imitation Made Easy [102.36509665008732]
本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。
我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。
我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
論文 参考訳（メタデータ） (2020-08-11T17:58:50Z)
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。