論文の概要: A Virtual Reality Tool for Representing, Visualizing and Updating Deep Learning Models

• arxiv url: http://arxiv.org/abs/2305.15353v1
• Date: Wed, 24 May 2023 17:06:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 14:01:22.539847
• Title: A Virtual Reality Tool for Representing, Visualizing and Updating Deep Learning Models
• Title（参考訳）: ディープラーニングモデルを表現、可視化、更新する仮想現実ツール
• Authors: Hannes Kath, Bengt L\"uers, Thiago S. Gouv\^ea, Daniel Sonntag
• Abstract要約: 我々は、異なるカテゴリにデータ入力を割り当てるプロセスを自動化するバーチャルリアリティーツールを実演する。 データセットは仮想空間内の点の雲として表現される。 ユーザは動きを通して雲を探索し、手のジェスチャーを使って雲の一部を分類する。
• 参考スコア（独自算出の注目度）: 1.9785872350085878
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep learning is ubiquitous, but its lack of transparency limits its impact on several potential application areas. We demonstrate a virtual reality tool for automating the process of assigning data inputs to different categories. A dataset is represented as a cloud of points in virtual space. The user explores the cloud through movement and uses hand gestures to categorise portions of the cloud. This triggers gradual movements in the cloud: points of the same category are attracted to each other, different groups are pushed apart, while points are globally distributed in a way that utilises the entire space. The space, time, and forces observed in virtual reality can be mapped to well-defined machine learning concepts, namely the latent space, the training epochs and the backpropagation. Our tool illustrates how the inner workings of deep neural networks can be made tangible and transparent. We expect this approach to accelerate the autonomous development of deep learning applications by end users in novel areas.
• Abstract（参考訳）: ディープラーニングはユビキタスだが、透明性の欠如は、いくつかの潜在的なアプリケーション領域への影響を制限する。 さまざまなカテゴリにデータ入力を割り当てるプロセスを自動化するための仮想現実ツールを示す。 データセットは仮想空間内の点の雲として表現される。 ユーザは動きを通して雲を探索し、手のジェスチャーを使って雲の一部を分類する。 これはクラウドの段階的な動きを引き起こす:同じカテゴリのポイントが互いに惹きつけられ、異なるグループが押し離され、ポイントは全空間を活用する方法でグローバルに分散される。 仮想現実で観察される空間、時間、力は、よく定義された機械学習の概念、すなわち潜在空間、トレーニング時代、バックプロパゲーションにマッピングすることができる。 当社のツールは、ディープニューラルネットワークの内部動作を具体的かつ透明にする方法を示しています。 このアプローチは、新しい分野のエンドユーザによるディープラーニングアプリケーションの自律的な開発を促進することを期待しています。

関連論文リスト

• Point Cloud Matters: Rethinking the Impact of Different Observation Spaces on Robot Learning [58.69297999175239]
  ロボット学習においては、異なるモードの異なる特徴のために観察空間が不可欠である。 本研究では,RGB, RGB-D, 点雲の3つのモードに着目し, 様々な観測空間がロボット学習に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-02-04T14:18:45Z)
• Generalized Label-Efficient 3D Scene Parsing via Hierarchical Feature Aligned Pre-Training and Region-Aware Fine-tuning [55.517000360348725]
  本研究は,ラベル付きシーンが極めて限定された場合の3次元シーン理解のためのフレームワークを提案する。 事前学習された視覚言語モデルから新しいカテゴリーの知識を抽出するために,階層的特徴整合型事前学習と知識蒸留戦略を提案する。 室内と屋外の両方で実験を行ったところ、データ効率のよい学習とオープンワールドの複数ショット学習の両方において、我々のアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-12-01T15:47:04Z)
• Self-supervised Learning for Pre-Training 3D Point Clouds: A Survey [25.51613543480276]
  近年,自己管理型ポイントクラウド表現学習が注目されている。 本稿では,DNNを用いた自己教師型ポイントクラウド表現学習に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-08T13:20:55Z)
• Sim2real Transfer Learning for Point Cloud Segmentation: An Industrial Application Case on Autonomous Disassembly [55.41644538483948]
  我々は,点クラウドデータにsim2realTransfer Learningを用いた産業アプリケーションケースを提案する。 合成ポイントクラウドデータの生成と処理方法に関する洞察を提供する。 この問題に対処するために、パッチベースの新しいアテンションネットワークも提案されている。
  論文  参考訳（メタデータ） (2023-01-12T14:00:37Z)
• Stochastic Coherence Over Attention Trajectory For Continuous Learning In Video Streams [64.82800502603138]
  本稿では,映像ストリーム中のピクセルワイズ表現を段階的かつ自律的に開発するための,ニューラルネットワークに基づく新しいアプローチを提案する。 提案手法は, 参加者の入場地を観察することで, エージェントが学習できる, 人間の様の注意機構に基づく。 実験では,3次元仮想環境を利用して,映像ストリームを観察することで,エージェントが物体の識別を学べることを示す。
  論文  参考訳（メタデータ） (2022-04-26T09:52:31Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• Evaluating Continual Learning Algorithms by Generating 3D Virtual Environments [66.83839051693695]
  連続学習とは、人間や動物が特定の環境で徐々に学習する能力である。 本稿では3次元仮想環境の最近の進歩を活用して,フォトリアリスティックな外観を持つ潜在的に長寿命な動的シーンの自動生成にアプローチすることを提案する。 本論文の新たな要素は、シーンがパラメトリックな方法で記述され、エージェントが知覚する入力ストリームの視覚的複雑さを完全に制御できることである。
  論文  参考訳（メタデータ） (2021-09-16T10:37:21Z)
• SuperCaustics: Real-time, open-source simulation of transparent objects for deep learning applications [0.0]
  SuperCausticsは、ディープラーニングアプリケーション用に設計された透明なオブジェクトのリアルタイムかつオープンソースシミュレーションである。 私たちは、難しい照明シナリオで透明なオブジェクトをスクラッチからセグメント化するために、ディープニューラルネットワークをトレーニングしました。 私たちのニューラルネットワークは、トレーニングデータの10%しか使用せずに、実世界のデータセットにおける最先端のパフォーマンスを達成しました。
  論文  参考訳（メタデータ） (2021-07-23T03:11:47Z)
• Real or Virtual? Using Brain Activity Patterns to differentiate Attended Targets during Augmented Reality Scenarios [10.739605873338592]
  Augmented Realityシナリオで収集した脳波(EEG)データを機械学習技術を用いて分類します。 浅い畳み込みニューラルネットは、20人の参加者から3秒のデータウィンドウを人によって分類した。
  論文  参考訳（メタデータ） (2021-01-12T19:08:39Z)
• Boosting Deep Open World Recognition by Clustering [37.5993398894786]
  我々は、新たな損失定式化により、ディープ・オープンな世界認識アルゴリズムの性能を高める方法を示す。 本研究では,グローバルな1つの閾値を推定するのではなく,クラス固有の拒絶閾値を学習する戦略を提案する。 RGB-D ObjectとCore50の実験は、我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-04-20T12:07:39Z)
• MNEW: Multi-domain Neighborhood Embedding and Weighting for Sparse Point Clouds Segmentation [1.2380933178502298]
  マルチドメインの近傍埋め込みや,その幾何学的距離,特徴的類似度,周辺空間の疎度に基づく注意重み付けなどを含むMNEWを提案する。 MNEWは、LiDARベースの自動運転認識の適用において重要であるスパースポイントクラウドの最高性能を達成する。
  論文  参考訳（メタデータ） (2020-04-05T18:02:07Z)

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。