論文の概要: Cloud Render Farm Services Discovery Using NLP And Ontology Based Knowledge Graph

• arxiv url: http://arxiv.org/abs/2307.13604v1
• Date: Mon, 10 Jul 2023 00:12:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-30 04:06:59.647396
• Title: Cloud Render Farm Services Discovery Using NLP And Ontology Based Knowledge Graph
• Title（参考訳）: NLPとオントロジーに基づく知識グラフを用いたクラウドレンダーファームサービスディスカバリ
• Authors: Ruby Annette, Aisha Banu, Sharon Priya, Subash Chandran
• Abstract要約: この研究は、クラウドレンダリングファームサービスのためにRenderSelectという名前のオントロジーベースのサービスディスカバリエンジンを提案する。 クラウドサービス間の類似性を決定するために,概念類似性推論,等価推論,数値類似性推論が適用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud render farm services are the animation domain specific cloud services Platform-as-a-Service (PaaS) type of cloud services that provides a complete platform to render the animation files. However, identifying the render farm services that is cost effective and also matches the functional requirements that changes for almost every project like the animation software, plug-ins required etc., is a challenge. This research work proposes an ontology-based service discovery engine named RenderSelect for the cloud render farm services. The cloud render farm ontology semantically defines the relationship among the cloud render farm services. The knowledge-based reasoning algorithms namely, the Concept similarity reasoning, Equivalent reasoning and the Numerical similarity reasoning have been applied to determine the similarity among the cloud services. The service discovery engine was evaluated for finding the services under three different scenarios namely a) with help of the ontology, b) without the help of the ontology and c) using a common search engine on the internet. The results show that the proposed service discovery engine which is specifically designed for the cloud render farm services using the ontology performs significantly better than the other two.
• Abstract（参考訳）: cloud render farm servicesはアニメーションドメイン固有のクラウドサービスであるplatform-as-a-service(paas)タイプのクラウドサービスで、アニメーションファイルをレンダリングするための完全なプラットフォームを提供する。 しかし、コスト効率が高く、アニメーションソフトウェアやプラグインなど、ほぼすべてのプロジェクトで変更される機能要件に適合するレンダリングファームサービスを識別することは難しい。 本研究は,クラウドレンダリングファームサービスのためのオントロジーベースのサービスディスカバリエンジンRenderSelectを提案する。 クラウドレンダリングファームオントロジーは、クラウドレンダリングファームサービス間の関係を意味的に定義する。 知識に基づく推論アルゴリズム、すなわち概念類似性推論、等価推論および数値類似性推論を適用し、クラウドサービス間の類似性を決定する。 サービスディスカバリエンジンは、3つの異なるシナリオでサービスを見つけるために評価されました。 a) オントロジーの助けを借りて b) オントロジーの助けなしに,かつ c) 共通の検索エンジンをインターネット上で使用すること。 その結果,クラウド用に特別に設計されたサービスディスカバリエンジンでは,オントロジーを用いた農業サービスが他の2つよりも大幅に性能が向上していることがわかった。

関連論文リスト

• Rendering-Oriented 3D Point Cloud Attribute Compression using Sparse Tensor-based Transformer [52.40992954884257]
  3D視覚化技術は、私たちがデジタルコンテンツと対話する方法を根本的に変えてきた。 ポイントクラウドの大規模データサイズは、データ圧縮において大きな課題を呈している。 そこで我々はPCACと差別化可能なレンダリングをシームレスに統合するエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T16:12:51Z)
• CloudScent: a model for code smell analysis in open-source cloud [2.990411348977783]
  オープンソースクラウドの匂いを検出するためのオープンソースメカニズムであるCloudScentを提案する。 その結果、CloudScentはクラウド内の8つのコードの臭いを正確に検出できることがわかった。
  論文  参考訳（メタデータ） (2023-07-22T19:01:38Z)
• Ponder: Point Cloud Pre-training via Neural Rendering [93.34522605321514]
  本稿では,識別可能なニューラルエンコーダによる点雲表現の自己教師型学習手法を提案する。 学習したポイントクラウドは、3D検出やセグメンテーションといったハイレベルなレンダリングタスクだけでなく、3D再構成や画像レンダリングといった低レベルなタスクを含む、さまざまなダウンストリームタスクに簡単に統合できる。
  論文  参考訳（メタデータ） (2022-12-31T08:58:39Z)
• Object as a Service (OaaS): Enabling Object Abstraction in Serverless Clouds [2.0575037267955305]
  我々は,Object as a Service (O)プログラミングとして知られる関数抽象化の上位に,新しい抽象化レベルを提案する。 Oはアプリケーションデータと機能をオブジェクトの抽象化にカプセル化し、開発者はリソースやデータ管理の負担を軽減します。 また、ソフトウェア再利用性、データのローカリティ、キャッシュなど、組み込み最適化機能の機会を開放する。
  論文  参考訳（メタデータ） (2022-06-10T21:31:22Z)
• PointAttN: You Only Need Attention for Point Cloud Completion [89.88766317412052]
  ポイント・クラウド・コンプリート(Point cloud completion)とは、部分的な3次元ポイント・クラウドから3次元の形状を完成させることである。 そこで我々は,kNNを除去するために,ポイントクラウドをポイント単位に処理する新しいニューラルネットワークを提案する。 提案するフレームワークであるPointAttNはシンプルで簡潔で効果的であり、3次元形状の構造情報を正確に捉えることができる。
  論文  参考訳（メタデータ） (2022-03-16T09:20:01Z)
• TreeGCN-ED: Encoding Point Cloud using a Tree-Structured Graph Network [24.299931323012757]
  この研究は、ポイントクラウドのための堅牢な埋め込みを生成するオートエンコーダベースのフレームワークを提案する。 3Dポイントクラウド補完やシングルイメージベースの3D再構成といったアプリケーションにおいて,提案フレームワークの適用性を示す。
  論文  参考訳（メタデータ） (2021-10-07T03:52:56Z)
• PoinTr: Diverse Point Cloud Completion with Geometry-Aware Transformers [81.71904691925428]
  本稿では,ポイントクラウドの完了をセット・ツー・セットの翻訳問題として再定義する手法を提案する。 我々はまた、ポイントクラウド補完のためにトランスフォーマーエンコーダデコーダアーキテクチャを採用するPoinTrと呼ばれる新しいモデルも設計している。 提案手法は,新しいベンチマークと既存ベンチマークの両方において,最先端の手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T17:58:56Z)
• Classification and understanding of cloud structures via satellite images with EfficientUNet [0.0]
  CNN(Convolutional Neural Network)の新しいスケールアップバージョンを用いて,クラウド組織パターンの分類を行った。 ダイス係数は最終評価基準に使われており、カグル競技においてそれぞれ66.26%と66.02%のスコアを得た。
  論文  参考訳（メタデータ） (2020-09-27T19:50:05Z)
• Study on State-of-the-art Cloud Services Integration Capabilities with Autonomous Ground Vehicles [1.0323063834827415]
  この研究は、AGVオペレーションにおける主要なクラウドサービスプロバイダの適用性に関する洞察を得るために、定性的な分析を必要とする。 この調査は、最も適切なクラウドサービスを特定するための根拠を決定するのに必要なAGV技術要件の簡単なレビューから始まる。 我々の結論は、汎用AGVアーキテクチャは最先端のクラウドサービスによってサポートできるが、プライマリコンピューティングとセカンダリコンピューティングの明確な分離線があるはずだ。
  論文  参考訳（メタデータ） (2020-08-11T16:56:14Z)
• GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
  完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。 本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。 実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2020-06-06T02:46:39Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。