論文の概要: Using a negative spatial auto-correlation index to evaluate and improve intrinsic TagMap's multi-scale visualization capabilities

• arxiv url: http://arxiv.org/abs/2408.12610v1
• Date: Thu, 08 Aug 2024 08:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 18:21:47.585157
• Title: Using a negative spatial auto-correlation index to evaluate and improve intrinsic TagMap's multi-scale visualization capabilities
• Title（参考訳）: 陰性空間自己相関指数を用いた本質的TagMapのマルチスケール可視化機能の評価と改善
• Authors: Zhiwei Wei, Nai Yang,
• Abstract要約: タグマップの既存の方法論は、主に特定のスケールでのタグレイアウトに焦点を当てている。 負の空間自己相関指数をタグマップに組み込んで,タグサイズ分布の均一性を評価する。 この強化には、候補タグを反復的にフィルタリングし、定義されたインデックス基準を満たす最適なタグを選択することが含まれる。
• 参考スコア（独自算出の注目度）: 1.829179623372777
• License:
• Abstract: The popularity of tag clouds has sparked significant interest in the geographic research community, leading to the development of map-based adaptations known as intrinsic tag maps. However, existing methodologies for tag maps primarily focus on tag layout at specific scales, which may result in large empty areas or close proximity between tags when navigating across multiple scales. This issue arises because initial tag layouts may not ensure an even distribution of tags with varying sizes across the region. To address this problem, we incorporate the negative spatial auto-correlation index into tag maps to assess the uniformity of tag size distribution. Subsequently, we integrate this index into a TIN-based intrinsic tag map layout approach to enhance its ability to support multi-scale visualization. This enhancement involves iteratively filtering out candidate tags and selecting optimal tags that meet the defined index criteria. Experimental findings from two representative areas (the USA and Italy) demonstrate the efficacy of our approach in enhancing multi-scale visualization capabilities, albeit with trade-offs in compactness and time efficiency. Specifically, when retaining the same number of tags in the layout, our approach achieves higher compactness but requires more time. Conversely, when reducing the number of tags in the layout, our approach exhibits reduced time requirements but lower compactness. Furthermore, we discuss the effectiveness of various applied strategies aligned with existing approaches to generate diverse intrinsic tag maps tailored to user preferences. Additional details and resources can be found on our project website: https://github.com/TrentonWei/Multi-scale-TagMap.git.
• Abstract（参考訳）: タグクラウドの人気は、地理的研究コミュニティに大きな関心を惹き付け、本質的なタグマップとして知られる地図ベースの適応の開発につながった。 しかし、タグマップの既存の手法は、主に特定のスケールでのタグレイアウトに焦点を当てており、複数のスケールを移動する際には、大きな空き領域やタグ間の近接が生じる可能性がある。 この問題は、初期タグレイアウトが、地域によって異なる大きさのタグの均等な分散を保証できないためである。 この問題に対処するために、タグマップに負の空間自己相関指数を組み込んで、タグサイズ分布の均一性を評価する。 その後、このインデックスをTINベースの固有タグマップレイアウトアプローチに統合し、マルチスケール可視化をサポートする能力を高める。 この強化には、候補タグを反復的にフィルタリングし、定義されたインデックス基準を満たす最適なタグを選択することが含まれる。 2つの代表的な地域(米国とイタリア)からの実験的な発見は、コンパクトさと時間効率のトレードオフにもかかわらず、マルチスケールの可視化能力を高めるためのアプローチの有効性を実証している。 具体的には、レイアウトに同じ数のタグを保持する場合、より高いコンパクト性を実現するが、より多くの時間を要する。 逆に,レイアウト中のタグ数を減少させると,時間要件は小さくなるが,コンパクト性は低下する。 さらに,ユーザの嗜好に合わせた多様な固有タグマップを生成するために,既存手法と整合した様々な適用戦略の有効性について検討する。 詳細とリソースはプロジェクトのWebサイトにある。 https://github.com/TrentonWei/Multi-scale-TagMap.git。

関連論文リスト

• Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
  AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。 また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
  論文  参考訳（メタデータ） (2024-03-02T10:03:21Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• Region Prediction for Efficient Robot Localization on Large Maps [5.75614168271028]
  そこで本研究では,位置認識のためのマップノードのサブセットを事前選択する手法を提案する。 領域ラベルはディープニューラルネットワークの予測対象となり、ナビゲーション中は、高い確率で予測される領域に関連するノードのみをマッチングとして考慮する。
  論文  参考訳（メタデータ） (2023-03-01T07:42:48Z)
• Fiducial Tag Localization on a 3D LiDAR Prior Map [0.6554326244334868]
  既存のLiDARフィデューシャルタグローカライズ法は3次元LiDARマップには適用されない。 我々は, 3次元LiDAR事前マップ上で, 画像タグを直接ローカライズする新しい手法を開発した。 我々は,3次元LiDARマップ上のタグのローカライズに適用可能な手法として,定性的かつ定量的な実験を行った。
  論文  参考訳（メタデータ） (2022-09-02T14:07:25Z)
• SparseDet: Improving Sparsely Annotated Object Detection with Pseudo-positive Mining [76.95808270536318]
  Pseudo- positive mining を用いてラベル付き地域とラベルなし地域を分離するエンド・ツー・エンドシステムを提案する。 ラベル付き領域は通常通り処理されるが、ラベルなし領域の処理には自己教師付き学習が使用される。 我々は,PASCAL-VOCとCOCOデータセットの5つの分割に対して,最先端の性能を達成するための徹底的な実験を行った。
  論文  参考訳（メタデータ） (2022-01-12T18:57:04Z)
• Discriminative Region Suppression for Weakly-Supervised Semantic Segmentation [0.0]
  オブジェクト活性化領域を拡大するためのシンプルで効果的な方法である識別領域抑制(DRS)モジュールを紹介します。 DRSは識別領域への注意を抑制し、隣接する非差別領域に拡散し、密な局在地図を生成する。 また,ローカライズマップリファインメント学習という,ローカライズマップの自己強化を実現するための学習戦略についても紹介する。
  論文  参考訳（メタデータ） (2021-03-12T12:56:06Z)
• Knowledge-Guided Multi-Label Few-Shot Learning for General Image Recognition [75.44233392355711]
  KGGRフレームワークは、ディープニューラルネットワークと統計ラベル相関の事前知識を利用する。 まず、統計ラベルの共起に基づいて異なるラベルを相関させる構造化知識グラフを構築する。 次に、ラベルセマンティクスを導入し、学習セマンティクス固有の特徴をガイドする。 グラフノードの相互作用を探索するためにグラフ伝搬ネットワークを利用する。
  論文  参考訳（メタデータ） (2020-09-20T15:05:29Z)
• Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach [44.75731013014112]
  本稿では,アイテムノードとタグノード間のリンク予測問題として,アイテムタグの定式化を提案する。 この定式化により、多種類のノードとエッジを持つ異種グラフニューラルネットワークを利用するTagGNNモデルが得られる。 オープンデータセットとインダストリアルデータセットの両方の実験結果から,我々のTagGNNアプローチは最先端のマルチラベル分類手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-26T13:58:19Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)
• Comparing View-Based and Map-Based Semantic Labelling in Real-Time SLAM [21.502428526207233]
  空間AIシステムは、幾何学的モデルと意味のあるセマンティックラベルを組み合わせた永続的なシーン表現を構築する必要がある。 本稿では,リアルタイムマップ融合を有効利用可能なプラットフォームとして利用する実験フレームワークと比較について述べる。
  論文  参考訳（メタデータ） (2020-02-24T16:12:51Z)

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。