Fugu-MT 論文翻訳(概要): Collect and Connect Data Leaves to Feature Concepts: Interactive Graph Generation Toward Well-being

論文の概要: Collect and Connect Data Leaves to Feature Concepts: Interactive Graph Generation Toward Well-being

arxiv url: http://arxiv.org/abs/2312.10375v1
Date: Sat, 16 Dec 2023 08:23:12 GMT
ステータス: 処理完了
システム内更新日: 2023-12-19 16:51:10.242409
Title: Collect and Connect Data Leaves to Feature Concepts: Interactive Graph Generation Toward Well-being
Title（参考訳）: データの収集と機能概念への接続:ウェルビーイングに向けたインタラクティブグラフ生成
Authors: Yukio Ohsawa, Tomohide Maekawa, Hiroki Yamaguchi, Hiro Yoshida, Kaira Sekiguchi
Abstract要約: 特徴の概念とデータの葉は、データセットを使って創造的な思考を育み、日々の生活で幸福を生み出すために発明されている。単に言い換えれば、対象とする特徴概念に基づいて、選択された、および収集された、対応するデータセットから検出されるイベントフローの要約であるデータ葉をアタッチする、という考え方だ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Feature concepts and data leaves have been invented using datasets to foster creative thoughts for creating well-being in daily life. The idea, simply put, is to attach selected and collected data leaves that are summaries of event flows to be discovered from corresponding datasets, on the target feature concept representing the well-being aimed. A graph of existing or expected datasets to be attached to a feature concept is generated semi-automatically. Rather than sheer automated generative AI, our work addresses the process of generative artificial and natural intelligence to create the basis for data use and reuse.
Abstract（参考訳）: 特徴の概念とデータの葉は、データセットを使って創造的な思考を育み、日々の生活で幸福を生み出すために発明されている。簡単に言えば、適切なデータセットから検出すべきイベントフローの要約である選択および収集されたデータ葉を、目標とする機能概念にアタッチする、というアイデアだ。機能概念にアタッチされる既存のあるいは期待されるデータセットのグラフが半自動生成される。私たちの研究は、自動生成AIではなく、生成する人工知能と自然知能のプロセスに対処し、データの使用と再利用の基礎を作ります。

関連論文リスト

Generating Survival Interpretable Trajectories and Data [2.4861619769660637]
本稿では,合成データセットと実データセットの数値実験を用いて,提案モデルの有効性と特性を実証する。提案したモデルを実装するアルゴリズムのコードが公開されている。
論文参考訳（メタデータ） (2024-02-19T18:02:10Z)
AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文参考訳（メタデータ） (2023-10-03T06:55:19Z)
Benchmarking and Analyzing Generative Data for Visual Recognition [66.55174903469722]
この研究は生成的画像の影響を深く掘り下げ、主に外部データを利用するパラダイムを比較する。我々は、2548のカテゴリを持つ22のデータセットからなるベンチマークである textbfGenBench を考案し、様々な視覚的認識タスクにまたがる生成データを評価した。我々の徹底的なベンチマークと分析は、将来の調査における重要な課題を特定しながら、視覚認識における生成データの約束をスポットライトで示している。
論文参考訳（メタデータ） (2023-07-25T17:59:59Z)
Zero-shot Composed Text-Image Retrieval [72.43790281036584]
合成画像検索(CIR)の問題点を考察する。テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
論文参考訳（メタデータ） (2023-06-12T17:56:01Z)
RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent Vehicle in Complex Environments [72.04891523115535]
本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
論文参考訳（メタデータ） (2022-07-16T12:40:17Z)
AIGenC: An AI generalisation model via creativity [1.933681537640272]
本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
論文参考訳（メタデータ） (2022-05-19T17:43:31Z)
Feature Concepts for Data Federative Innovations [0.45119235878273]
機能の概念はデータから得られる概念のモデルである。例えば、木とクラスタは決定木学習とクラスタリングのための特徴概念です。データのユーザ要求を満たすための便利な機能概念は、これまでクリエイティブなコミュニケーションを通じて提供されてきた。
論文参考訳（メタデータ） (2021-11-05T08:46:16Z)
Data-Centric AI Requires Rethinking Data Notion [12.595006823256687]
この研究は、データの分類とコチェーンの概念によって提供される原則を統一することを提案する。分類学的概念では、データは、この構造を保存するために射を通して作用する数学的構造と見なされる。コチェーンの概念については、データは関心の離散領域で定義され、演算子を介して作用する関数と見なすことができる。
論文参考訳（メタデータ） (2021-10-06T04:00:38Z)
SynPick: A Dataset for Dynamic Bin Picking Scene Understanding [25.706613724135046]
ビンピッキングシナリオにおける動的シーン理解のための合成データセットであるSynPickを提案する。既存のデータセットとは対照的に、私たちのデータセットはどちらも現実的な産業アプリケーションドメイン内にあります。データセットは人気のあるBOPデータセットフォーマットと互換性がある。
論文参考訳（メタデータ） (2021-07-10T14:58:43Z)
REGRAD: A Large-Scale Relational Grasp Dataset for Safe and Object-Specific Robotic Grasping in Clutter [52.117388513480435]
本稿では,オブジェクト間の関係のモデル化を継続するregradという新しいデータセットを提案する。データセットは2D画像と3Dポイントクラウドの両方で収集されます。ユーザは、好きなだけ多くのデータを生成するために、自由に独自のオブジェクトモデルをインポートできる。
論文参考訳（メタデータ） (2021-04-29T05:31:21Z)
Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。