論文の概要: An Image-based Typology for Visualization

• arxiv url: http://arxiv.org/abs/2403.05594v3
• Date: Mon, 06 Jan 2025 22:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:46:11.181866
• Title: An Image-based Typology for Visualization
• Title（参考訳）: ビジュアライゼーションのための画像ベース型タイポロジー
• Authors: Jian Chen, Petra Isenberg, Robert S. Laramee, Tobias Isenberg, Michael Sedlmair, Torsten Moeller, Rui Li,
• Abstract要約: 可視化画像の質的解析に基づいて,画像に基づく可視化のタイプロジーを導出する。 その結果、画像の型付けは多くの目的に役立てることができる。
• 参考スコア（独自算出の注目度）: 23.716718517642878
• License:
• Abstract: We present and discuss the results of a qualitative analysis of visualization images to derive an image-based typology of visualizations. For each image, we seek to identify its main focus or the essential stimuli. As a result, we derived 10 image-based visualization types. We describe coding decisions we made in the derivation process. The resulting image typology can serve a number of purposes: enabling researchers and practitioners to identify visual design styles, facilitating the categorization of visualization images for the purpose of research and teaching, enabling researchers to study the evolution of the community and its research output over time, and facilitating a discussion of standardization in visualization. In addition, the tool and dataset enable scholars to closely examine the images and how they are published and communicated in our community. osf.io/dxjwt presents a pre-registration and all supplemental materials.
• Abstract（参考訳）: 本稿では,可視化画像の質的解析結果について述べる。 それぞれの画像に対して、主焦点や本質的な刺激を識別する。 その結果,10種類の画像ベースビジュアライゼーションが得られた。 導出プロセスで行ったコーディング決定について説明する。 研究者や実践者が視覚デザインのスタイルを識別できるようにし、研究と教育のために視覚化画像の分類を容易にし、研究者がコミュニティの進化と研究成果を時間をかけて研究できるようにし、可視化における標準化の議論を促進する。 さらに、このツールとデータセットにより、研究者は画像とそれらがコミュニティ内でどのように公開され、どのようにコミュニケーションされるかを詳細に調べることができる。 osf.io/dxjwtは事前登録と全ての補充材料を提供する。

関連論文リスト

• Pixels to Prose: Understanding the art of Image Captioning [1.9635669040319872]
  画像キャプションにより、機械は視覚的コンテンツを解釈し、記述的なテキストを生成することができる。 レビューでは、画像キャプションモデルの進化を最新の最先端ソリューションに遡る。 医療領域における画像キャプションの適用についても検討した。
  論文  参考訳（メタデータ） (2024-08-28T11:21:23Z)
• Hierarchical Text-to-Vision Self Supervised Alignment for Improved Histopathology Representation Learning [64.1316997189396]
  病理組織像のための新しい言語型自己教師学習フレームワーク,階層型言語型自己監督(HLSS)を提案する。 その結果,OpenSRH と TCGA の2つの医用画像ベンチマークにおいて,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2024-03-21T17:58:56Z)
• Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
  画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。 既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。 このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
  論文  参考訳（メタデータ） (2023-10-27T04:30:18Z)
• Exploring CLIP for Assessing the Look and Feel of Images [87.97623543523858]
  ゼロショット方式で画像の品質知覚(ルック)と抽象知覚(フィール)の両方を評価するために,コントラスト言語-画像事前学習(CLIP)モデルを導入する。 以上の結果から,CLIPは知覚的評価によく適合する有意義な先行情報を捉えることが示唆された。
  論文  参考訳（メタデータ） (2022-07-25T17:58:16Z)
• Visual Clues: Bridging Vision and Language Foundations for Image Paragraph Captioning [78.07495777674747]
  我々は、視覚的手がかりを用いて、大きな事前訓練された視覚基盤モデルと言語モデルをブリッジすることで、余分なクロスモーダルトレーニングなしでそれを行うことができると論じる。 基礎モデルの強力なゼロショット機能のおかげで、画像のリッチなセマンティック表現を構築することから始める。 大規模言語モデルを用いて視覚的コンテンツを包括的に記述し、視覚モデルによって再度検証し、画像に最適な候補を選択する。
  論文  参考訳（メタデータ） (2022-06-03T22:33:09Z)
• Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
  本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。 提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
  論文  参考訳（メタデータ） (2022-04-05T12:19:24Z)
• Quantitative analysis of visual representation of sign elements in COVID-19 context [2.9409535911474967]
  本稿では, コンピュータ解析を用いて, 流行に言及した視覚的創造物に使用される要素を定量的に分析することを提案する。 The Covid Art MuseumのInstagramアカウントにまとめられた画像は、グローバルイベントに関する主観的な体験を表すために使用されるさまざまな要素を分析するために使用される。 本研究は, 画像に繰り返される要素が, 物語を創出するための要素と, サンプルで確立された関連関係を明らかにする。
  論文  参考訳（メタデータ） (2021-12-15T15:54:53Z)
• A survey of image labelling for computer vision applications [0.0]
  近年,画像コンテンツ認識のためのディープラーニングアルゴリズムが普及し,アドホックなラベリングツールが出現している。 画像ラベリングソフトウェアの基本的な概念と特徴をコンパイルするために,構造化文献レビューを行う。
  論文  参考訳（メタデータ） (2021-04-18T16:01:55Z)
• A Decade Survey of Content Based Image Retrieval using Deep Learning [13.778851745408133]
  本稿では,コンテンツベース画像検索における過去10年間のディープラーニングベース開発に関する包括的調査について述べる。 クエリ画像の代表的な特徴とデータセット画像との類似性は、検索のために画像のランク付けに使用される。 ディープラーニングは、手作業で設計した機能工学の、10年前から支配的な代替手段として現れてきた。
  論文  参考訳（メタデータ） (2020-11-23T02:12:30Z)
• A Data Set and a Convolutional Model for Iconography Classification in Paintings [3.4138918206057265]
  美術におけるイコノグラフィー(英: Iconography in art)は、美術作品の視覚的内容を研究し、そのモチーフとテーマを決定する分野である。 コンピュータビジョンの技法を前例のない規模のアートイメージの分析に適用することで、図像学の研究と教育を支援することができる。
  論文  参考訳（メタデータ） (2020-10-06T12:40:46Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。