論文の概要: Mixed Multi-Model Semantic Interaction for Graph-based Narrative Visualizations

• arxiv url: http://arxiv.org/abs/2302.06452v1
• Date: Mon, 13 Feb 2023 15:32:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 15:03:07.330827
• Title: Mixed Multi-Model Semantic Interaction for Graph-based Narrative Visualizations
• Title（参考訳）: グラフに基づくナラティブ可視化のための混合多モデルセマンティクスインタラクション
• Authors: Brian Keith Norambuena, Tanushree Mitra, Chris North
• Abstract要約: ナラティブマップは、アナリストが物語を理解するのを支援する視覚表現モデルである。 本稿では,ナラティブマップのためのセマンティックインタラクションフレームワークを提案する。 我々のSIシステムは,分析者の意図をモデル化し,物語地図の漸進的な形式化を支援することができる。
• 参考スコア（独自算出の注目度）: 10.193264105560862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Narrative sensemaking is an essential part of understanding sequential data. Narrative maps are a visual representation model that can assist analysts to understand narratives. In this work, we present a semantic interaction (SI) framework for narrative maps that can support analysts through their sensemaking process. In contrast to traditional SI systems which rely on dimensionality reduction and work on a projection space, our approach has an additional abstraction layer -- the structure space -- that builds upon the projection space and encodes the narrative in a discrete structure. This extra layer introduces additional challenges that must be addressed when integrating SI with the narrative extraction pipeline. We address these challenges by presenting the general concept of Mixed Multi-Model Semantic Interaction (3MSI) -- an SI pipeline, where the highest-level model corresponds to an abstract discrete structure and the lower-level models are continuous. To evaluate the performance of our 3MSI models for narrative maps, we present a quantitative simulation-based evaluation and a qualitative evaluation with case studies and expert feedback. We find that our SI system can model the analysts' intent and support incremental formalism for narrative maps.
• Abstract（参考訳）: ナラティブセンスメイキングは,シーケンシャルデータを理解する上で不可欠な部分である。 ナラティブマップは、アナリストが物語を理解するのを支援する視覚表現モデルである。 本研究では,ナラティブマップのためのセマンティックインタラクション(SI)フレームワークを提案する。 次元減少と射影空間の作業に依存する従来のSIシステムとは対照的に、我々のアプローチには、射影空間の上に構築され、物語を離散構造にエンコードする抽象層(構造空間)が追加されている。 この余分なレイヤは、siとナラティブ抽出パイプラインを統合する際に対処しなければならない追加の課題をもたらします。 これらの課題に対処するために、SIパイプラインであるMixed Multi-Model Semantic Interaction(3MSI)の一般的な概念を提示し、最高レベルモデルは抽象的な離散構造に対応し、下位レベルモデルは連続である。 物語地図における3MSIモデルの性能を評価するために,定量的シミュレーションに基づく評価とケーススタディと専門家のフィードバックによる質的評価を提案する。 我々のSIシステムは,分析者の意図をモデル化し,物語地図の漸進的な形式化を支援することができる。

関連論文リスト

• Explore In-Context Segmentation via Latent Diffusion Models [132.26274147026854]
  潜在拡散モデル(LDM)は、文脈内セグメンテーションに有効な最小限のモデルである。 画像とビデオの両方のデータセットを含む、新しい、公正なコンテキスト内セグメンテーションベンチマークを構築します。
  論文  参考訳（メタデータ） (2024-03-14T17:52:31Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• M-SENSE: Modeling Narrative Structure in Short Personal Narratives Using Protagonist's Mental Representations [14.64546899992196]
  本研究では,登場人物の心的状態の推測を解析し,物語構造の顕著な要素を自動的に検出するタスクを提案する。 本稿では,物語構造の主要な要素,特にクライマックスと解像度のマニュアルアノテーションを含む,短い個人物語のSTORIESデータセットを紹介する。 我々のモデルは、クライマックスと解像度を識別するタスクにおいて、大幅な改善を達成できる。
  論文  参考訳（メタデータ） (2023-02-18T20:48:02Z)
• Learning Interpretable Latent Dialogue Actions With Less Supervision [3.42658286826597]
  本稿では,個別変数を用いたタスク指向対話のモデル化のための新しいアーキテクチャを提案する。 本モデルは,変化型リカレントニューラルネットワーク(VRNN)に基づいており,意味情報の明示的なアノテーションを必要としない。
  論文  参考訳（メタデータ） (2022-09-22T16:14:06Z)
• Support-set based Multi-modal Representation Enhancement for Video Captioning [121.70886789958799]
  サンプル間で共有されるセマンティックサブ空間において、リッチな情報をマイニングするためのサポートセットベースのマルチモーダル表現拡張(SMRE)モデルを提案する。 具体的には、サンプル間の基礎となる関係を学習し、意味的関連視覚要素を得るためのサポートセットを構築するためのサポートセット構築(SC)モジュールを提案する。 本研究では,SST(Semantic Space Transformation)モジュールを設計し,相対距離を制約し,マルチモーダルインタラクションを自己管理的に管理する。
  論文  参考訳（メタデータ） (2022-05-19T03:40:29Z)
• Temporal Relevance Analysis for Video Action Models [70.39411261685963]
  まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。 次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
  論文  参考訳（メタデータ） (2022-04-25T19:06:48Z)
• Efficient Multi-Modal Embeddings from Structured Data [0.0]
  マルチモーダルワードセマンティクスは、知覚入力による埋め込みを強化することを目的としている。 ビジュアルグラウンドは言語アプリケーションにも貢献できる。 新しい埋め込みは、テキストベースの埋め込みのための補完的な情報を伝達する。
  論文  参考訳（メタデータ） (2021-10-06T08:42:09Z)
• Unified Graph Structured Models for Video Understanding [93.72081456202672]
  リレーショナル・テンポラル関係を明示的にモデル化するメッセージパッシンググラフニューラルネットワークを提案する。 本手法は,シーン内の関連エンティティ間の関係をより効果的にモデル化できることを示す。
  論文  参考訳（メタデータ） (2021-03-29T14:37:35Z)
• Narrative Maps: An Algorithmic Approach to Represent and Extract Information Narratives [6.85316573653194]
  本稿では、物語表現の理論と現代のオンラインシステムのデータを組み合わせる。 物語地図の表現は、物語の中の出来事と物語を、地図上のランドマークとルートのシリーズとして描いている。 我々の発見は、情報アナリスト、計算ジャーナリスト、誤情報研究者に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-09-09T18:30:44Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)
• Tension Space Analysis for Emergent Narrative [0.1784936803975635]
  本稿では,可能世界のナラトロジー理論を用いた創発的物語への新たなアプローチを提案する。 本研究では,このようなシステムにおける作業設計を,表現的範囲分析に触発された形式的解析手法を用いて理解する方法を実証する。 最後に、スケッチベースのインタフェースを用いて、創発的な物語システムのために、コンテンツを作成できる新しい方法を提案する。
  論文  参考訳（メタデータ） (2020-04-22T19:26:09Z)

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。