論文の概要: Virtual Human Generative Model: Masked Modeling Approach for Learning
Human Characteristics
- arxiv url: http://arxiv.org/abs/2306.10656v1
- Date: Mon, 19 Jun 2023 00:42:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 19:27:20.156718
- Title: Virtual Human Generative Model: Masked Modeling Approach for Learning
Human Characteristics
- Title(参考訳): 仮想人間の生成モデル:人間の特性学習のためのマスクモデルアプローチ
- Authors: Kenta Oono, Nontawat Charoenphakdee, Kotatsu Bito, Zhengyan Gao,
Yoshiaki Ota, Shoichiro Yamaguchi, Yohei Sugawara, Shin-ichi Maeda, Kunihiko
Miyoshi, Yuki Saito, Koki Tsuda, Hiroshi Maruyama, Kohei Hayashi
- Abstract要約: 医療、ライフスタイル、パーソナリティの属性を推定する機械学習モデルである仮想人間生成モデル(VHGM)を提案する。
VHGMは、マスクモデルを用いて訓練された深い生成モデルであり、既知の属性に条件付けられた属性の結合分布を学習する。
医療属性の仮想計測やライフスタイルの仮説検証など,ユーザシナリオを実証するアプリケーションをいくつか提示する。
- 参考スコア(独自算出の注目度): 26.40298014974691
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Identifying the relationship between healthcare attributes, lifestyles, and
personality is vital for understanding and improving physical and mental
conditions. Machine learning approaches are promising for modeling their
relationships and offering actionable suggestions. In this paper, we propose
Virtual Human Generative Model (VHGM), a machine learning model for estimating
attributes about healthcare, lifestyles, and personalities. VHGM is a deep
generative model trained with masked modeling to learn the joint distribution
of attributes conditioned on known ones. Using heterogeneous tabular datasets,
VHGM learns more than 1,800 attributes efficiently. We numerically evaluate the
performance of VHGM and its training techniques. As a proof-of-concept of VHGM,
we present several applications demonstrating user scenarios, such as virtual
measurements of healthcare attributes and hypothesis verifications of
lifestyles.
- Abstract(参考訳): 健康属性、ライフスタイル、パーソナリティの関係を特定することは、身体的および精神的な状態の理解と改善に不可欠である。
機械学習のアプローチは、それらの関係をモデル化し、実行可能な提案を提供する。
本稿では,ヘルスケア,ライフスタイル,パーソナリティに関する属性を推定する機械学習モデルであるvirtual human generative model (vhgm)を提案する。
vhgmは、既知の属性の結合分布を学ぶためにマスクモデルで訓練された深い生成モデルである。
不均一な表型データセットを使用して、VHGMは1,800以上の属性を効率的に学習する。
VHGMとその訓練技術の性能を数値的に評価する。
VHGMの概念実証として,医療属性の仮想計測やライフスタイルの仮説検証など,ユーザシナリオを示すいくつかのアプリケーションを提案する。
関連論文リスト
- Closely Interactive Human Reconstruction with Proxemics and Physics-Guided Adaption [64.07607726562841]
既存の人間再建アプローチは主に、正確なポーズの回復や侵入を避けることに焦点を当てている。
本研究では,モノクロ映像から密に対話的な人間を再構築する作業に取り組む。
本稿では,視覚情報の欠如を補うために,確率的行動や物理からの知識を活用することを提案する。
論文 参考訳(メタデータ) (2024-04-17T11:55:45Z) - Recent Advances in Predictive Modeling with Electronic Health Records [73.31880579203012]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。
深層学習は、医療を含む様々な応用においてその優位性を示している。
論文 参考訳(メタデータ) (2024-02-02T00:31:01Z) - Generating Human-Centric Visual Cues for Human-Object Interaction
Detection via Large Vision-Language Models [59.611697856666304]
人-物対検出(Human-object Interaction:HOI)は、人-物対を検出し、その相互作用を予測することを目的とする。
我々はVLMを用いた3つのプロンプトを提案し、人間の複数の視点から画像内で人間中心の視覚的手がかりを生成する。
我々は,マルチトワーアーキテクチャを用いたトランスフォーマーベースのマルチモーダル融合モジュールを開発し,視覚的キュー機能をインスタンスと対話デコーダに統合する。
論文 参考訳(メタデータ) (2023-11-26T09:11:32Z) - Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳(メタデータ) (2023-09-26T03:59:21Z) - Large Language Models as Zero-Shot Human Models for Human-Robot
Interaction [20.644819324460844]
大型言語モデル(LLM)は、人間とロボットの相互作用のためのゼロショット人間モデルとして機能する。
LLMは目的のモデルに匹敵する性能を達成する。
シミュレーションされた信頼に基づくテーブルクリーニングタスクのケーススタディを提案する。
論文 参考訳(メタデータ) (2023-03-06T23:16:24Z) - p$^3$VAE: a physics-integrated generative model. Application to the
pixel-wise classification of airborne hyperspectral images [0.6849746341453253]
物理モデルを統合する生成モデル p$3$VAE を導入する。
航空機搭載ハイパースペクトル画像の画素ワイド分類に3$VAEを適用した。
論文 参考訳(メタデータ) (2022-10-19T09:32:15Z) - UViM: A Unified Modeling Approach for Vision with Learned Guiding Codes [91.24112204588353]
我々は、幅広いコンピュータビジョンタスクをモデル化できる統一的なアプローチであるUViMを紹介する。
以前のモデルとは対照的に、UViMは全てのタスクに対して同じ機能を持つ。
多様な3つの視覚課題に対するUViMの有効性を実証する。
論文 参考訳(メタデータ) (2022-05-20T17:47:59Z) - Exploring Alignment of Representations with Human Perception [47.53970721813083]
モデルによって類似した表現にマッピングされた入力は、人間によっても同様に認識されるべきであることを示す。
我々のアプローチは、モデルが人間の知覚に合致する程度を測ります。
アーキテクチャやトレーニングパラダイム,トレーニング損失,データ拡張といったモデルのさまざまな特性が,人間の知覚に整合した表現の学習において重要な役割を担っていることが分かりました。
論文 参考訳(メタデータ) (2021-11-29T17:26:50Z) - Interpretable machine learning for high-dimensional trajectories of
aging health [0.0]
我々は、健康と生存の個人的高齢軌跡の計算モデルを構築した。
身体的、機能的、生物学的な変数を含み、人口動態、生活様式、医学的背景情報に依存する。
我々のモデルは大規模縦型データセットにスケーラブルであり、健康変数間の有向相互作用の解釈可能なネットワークを推定する。
論文 参考訳(メタデータ) (2021-05-07T17:42:15Z) - Evaluating the performance of personal, social, health-related,
biomarker and genetic data for predicting an individuals future health using
machine learning: A longitudinal analysis [0.0]
この研究の目的は、個人、社会、健康関連、バイオマーカーおよび遺伝データの相対的貢献を個人における将来の健康の予測因子として識別するために機械学習アプローチを適用することである。
ニューラルネットワークによるディープラーニングとXGBoostという,予測モデル構築に2つの機械学習アプローチが使用された。
その結果、健康関連の指標が将来の健康状態を最も予測し、遺伝データが劣っていることがわかった。
論文 参考訳(メタデータ) (2021-04-26T12:31:40Z)
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。