論文の概要: Design and Evaluation of Camera-Centric Mobile Crowdsourcing Applications

• arxiv url: http://arxiv.org/abs/2409.03012v1
• Date: Wed, 4 Sep 2024 18:10:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-07 00:59:44.101447
• Title: Design and Evaluation of Camera-Centric Mobile Crowdsourcing Applications
• Title（参考訳）: カメラ中心型モバイルクラウドソーシングアプリケーションの設計と評価
• Authors: Abby Stylianou, Michelle Brachman, Albatool Wazzan, Samuel Black, Richard Souvenir,
• Abstract要約: このプロジェクトでは,アプリケーション設計がユーザのコントリビューション意欲や,取得したデータの量や品質にどのように影響するかを理解する。 我々はカメラベースのモバイルクラウドソーシングアプリケーションの3つのバージョンを設計した。 その結果,高いレベルのユーザラベリングがコントリビューションの削減につながることが示唆された。
• 参考スコア（独自算出の注目度）: 3.941600320957518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The data that underlies automated methods in computer vision and machine learning, such as image retrieval and fine-grained recognition, often comes from crowdsourcing. In contexts that rely on the intrinsic motivation of users, we seek to understand how the application design affects a user's willingness to contribute and the quantity and quality of the data they capture. In this project, we designed three versions of a camera-based mobile crowdsourcing application, which varied in the amount of labeling effort requested of the user and conducted a user study to evaluate the trade-off between the level of user-contributed information requested and the quantity and quality of labeled images collected. The results suggest that higher levels of user labeling do not lead to reduced contribution. Users collected and annotated the most images using the application version with the highest requested level of labeling with no decrease in user satisfaction. In preliminary experiments, the additional labeled data supported increased performance on an image retrieval task.
• Abstract（参考訳）: 画像検索やきめ細かい認識など、コンピュータビジョンや機械学習における自動化手法の根底にあるデータは、クラウドソーシングによってもたらされることが多い。 ユーザの本質的なモチベーションに依存したコンテキストでは,アプリケーション設計がユーザのコントリビューション意欲や,取得したデータの量や品質にどのように影響するかを理解する。 本研究では,ユーザの要求するラベル付け作業量によって異なるカメラベースのモバイルクラウドソーシングアプリケーションの3つのバージョンを設計し,ユーザの要求するユーザの情報量とラベル付き画像の量と品質との間のトレードオフを評価するためのユーザスタディを行った。 その結果,高いレベルのユーザラベリングがコントリビューションの削減につながることが示唆された。 ユーザ満足度を低下させることなく、最も要求の高いラベリングレベルを持つアプリケーションバージョンを使用して、最も多く画像を収集し、注釈付けした。 予備実験では、追加ラベル付きデータにより画像検索タスクのパフォーマンスが向上した。

関連論文リスト

• Empowering Visually Impaired Individuals: A Novel Use of Apple Live Photos and Android Motion Photos [3.66237529322911]
  われわれは、Apple Live PhotosとAndroid Motion Photosの技術の使用を提唱している。 以上の結果から,Live PhotosとMotion Photosは,共通の視覚支援タスクにおいて,単フレーム画像よりも優れていた。
  論文  参考訳（メタデータ） (2023-09-14T20:46:35Z)
• UX Heuristics and Checklist for Deep Learning powered Mobile Applications with Image Classification [1.2437226707039446]
  本研究では,既存のモバイルアプリケーションを画像分類を用いて検討し,画像分類をチェックリストに分解した深層学習モバイルアプリケーションのためのAIXの初期セットを開発する。 また,チェックリストの利用を容易にするために,概念や行動の提示を行うオンラインコースやWebベースのツールも開発した。
  論文  参考訳（メタデータ） (2023-07-05T20:23:34Z)
• Identifying Professional Photographers Through Image Quality and Aesthetics in Flickr [0.0]
  本研究では,写真とビデオの共有プラットフォームに適切なデータセットが存在しないことを明らかにする。 我々は、オープンソースのマルチモーダルデータを用いて、Flickrで最大のラベル付きデータセットの1つを作成しました。 画像の審美性と技術的品質と,その画像の社会的活動との関係について検討した。
  論文  参考訳（メタデータ） (2023-07-04T14:55:37Z)
• Collaborative Image Understanding [5.5174379874002435]
  我々は,新しい画像の分類プロセスを改善するために,協調的な情報を活用することができることを示す。 電子商取引とソーシャルメディアのデータセットに関する一連の実験は、協調的な信号を考えることで、画像分類の主要なタスクのパフォーマンスが最大9.1%向上することを示した。
  論文  参考訳（メタデータ） (2022-10-21T12:13:08Z)
• Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles [69.69160476215895]
  このレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。 ユーザが作業するプロジェクトのセマンティクスに対して視覚スタイルの好みを学習するRecSysを設計する。
  論文  参考訳（メタデータ） (2022-08-23T12:11:28Z)
• 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)
• An Automatic Image Content Retrieval Method for better Mobile Device Display User Experiences [91.3755431537592]
  モバイル端末向け画像コンテンツ検索と分類のための新しいモバイルアプリケーションを提案する。 このアプリケーションは何千もの写真で実行され、モバイルディスプレイでより良いユーザー視覚体験を実現するための励ましの成果を見せた。
  論文  参考訳（メタデータ） (2021-08-26T23:44:34Z)
• CapWAP: Captioning with a Purpose [56.99405135645775]
  我々は、CapWAP(Captioning with a Purpose)という新しいタスクを提案する。 私たちのゴールは、意図した人口の情報ニーズに合うように調整可能なシステムを開発することです。 目的とする情報に直接最適化するために強化学習を利用することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-09T09:23:55Z)
• Learning to Detect Important People in Unlabelled Images for Semi-supervised Important People Detection [85.91577271918783]
  本稿では,部分的に注釈付けされた画像から重要な人物を検出することを提案する。 提案手法では,未注釈画像の個人に対して擬似ラベルを割り当てることが反復的に学習される。 評価のために2つの大規模データセットを収集した。
  論文  参考訳（メタデータ） (2020-04-16T10:09:37Z)
• Adjusting Image Attributes of Localized Regions with Low-level Dialogue [83.06971746641686]
  NLIEの低レベル命令を探索するタスク指向対話システムを開発した。 我々のシステムは、編集操作のレベルに基づいて言語を基盤とし、ユーザーが選択するオプションを提案する。 分析の結果,提案した低レベル言語インタフェースの利用に一般的に適応していることがわかった。
  論文  参考訳（メタデータ） (2020-02-11T20:59:34Z)

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。