論文の概要: Visualizing Extensions of Argumentation Frameworks as Layered Graphs

• arxiv url: http://arxiv.org/abs/2409.05457v1
• Date: Mon, 9 Sep 2024 09:29:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 15:10:24.521311
• Title: Visualizing Extensions of Argumentation Frameworks as Layered Graphs
• Title（参考訳）: 階層グラフとしてのArgumentation Frameworkの拡張を可視化する
• Authors: Martin Nöllenburg, Christian Pirker, Anna Rapberger, Stefan Woltran, Jules Wulms,
• Abstract要約: AFを3層グラフレイアウトとして拡張とともに描画する新しい可視化手法を提案する。 我々の技術は、ユーザがより簡単に可視化されたAFを探索し、拡張をよりよく理解し、セマンティクスを計算するためのアルゴリズムを検証するのを支援する。
• 参考スコア（独自算出の注目度）: 15.793271603711014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The visualization of argumentation frameworks (AFs) is crucial for enabling a wide applicability of argumentative tools. However, their visualization is often considered only as an accompanying part of tools for computing semantics and standard graphical representations are used. We introduce a new visualization technique that draws an AF, together with an extension (as part of the input), as a 3-layer graph layout. Our technique supports the user to more easily explore the visualized AF, better understand extensions, and verify algorithms for computing semantics. To optimize the visual clarity and aesthetics of this layout, we propose to minimize edge crossings in our 3-layer drawing. We do so by an exact ILP-based approach, but also propose a fast heuristic pipeline. Via a quantitative evaluation, we show that the heuristic is feasible even for large instances, while producing at most twice as many crossings as an optimal drawing in most cases.
• Abstract（参考訳）: 議論フレームワーク(AF)の可視化は、議論ツールの幅広い適用を可能にするために不可欠である。 しかし、それらの視覚化は、セマンティクスと標準的なグラフィカル表現を使用するツールの付随部分としてのみ考慮されることが多い。 本稿では,AFを3層グラフレイアウトとして拡張(入力の一部として)とともに描画する新しい可視化手法を提案する。 我々の技術は、ユーザがより簡単に可視化されたAFを探索し、拡張をよりよく理解し、セマンティクスを計算するためのアルゴリズムを検証するのを支援する。 このレイアウトの視覚的明瞭度と美学を最適化するために,我々は3層描画におけるエッジ交差を最小限に抑えることを提案する。 正確なILPベースのアプローチで行うが、高速ヒューリスティックパイプラインも提案する。 定量的評価の結果,大ケースにおいてもヒューリスティックが実現可能である一方で,ほとんどのケースでは最適図面の2倍の交差が生じることがわかった。

関連論文リスト

• Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
  微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。 パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。 これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:20:44Z)
• SelfGraphVQA: A Self-Supervised Graph Neural Network for Scene-based Question Answering [0.0]
  シーングラフはマルチモーダル画像解析の有用なツールとして登場した。 理想化されたアノテートシーングラフを利用する現在の手法は、画像から抽出された予測シーングラフを使用する場合、一般化に苦慮している。 本稿では,事前学習したシーングラフ生成器を用いて,入力画像からシーングラフを抽出する。
  論文  参考訳（メタデータ） (2023-10-03T07:14:53Z)
• Rethinking Range View Representation for LiDAR Segmentation [66.73116059734788]
  「多対一」マッピング、意味的不整合、形状変形は、射程射影からの効果的な学習に対する障害となる可能性がある。 RangeFormerは、ネットワークアーキテクチャ、データ拡張、後処理を含む新しい設計を含む、フルサイクルのフレームワークである。 比較対象のLiDARセマンティックスとパノプティックスセグメンテーションのベンチマークにおいて,初めてレンジビュー法が点,ボクセル,マルチビューフュージョンを越えられることを示す。
  論文  参考訳（メタデータ） (2023-03-09T16:13:27Z)
• Expansion of Visual Hints for Improved Generalization in Stereo Matching [26.37702321092758]
  ステレオマッチングを導くための視覚的ヒント拡張を導入し、一般化を改善する。 我々の研究は、コンピュータビジョンとロボット工学における視覚慣性オドメトリー(VIO)の堅牢性によって動機付けられている。
  論文  参考訳（メタデータ） (2022-11-01T11:30:26Z)
• SGEITL: Scene Graph Enhanced Image-Text Learning for Visual Commonsense Reasoning [61.57887011165744]
  マルチモーダルトランスフォーマーはVisual Commonsense Reasoningのタスクにおいて大きな進歩を遂げた。 視覚的なシーングラフを常識的推論に組み込むためのScene Graph Enhanced Image-Text Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-16T03:16:30Z)
• Revisiting Point Cloud Simplification: A Learnable Feature Preserving Approach [57.67932970472768]
  MeshとPoint Cloudの単純化手法は、3Dモデルの複雑さを低減しつつ、視覚的品質と関連する健全な機能を維持することを目的としている。 そこで本研究では,正解点の標本化を学習し,高速点雲の簡易化手法を提案する。 提案手法は、入力空間から任意のユーザ定義の点数を選択し、視覚的知覚誤差を最小限に抑えるために、その位置を再配置するよう訓練されたグラフニューラルネットワークアーキテクチャに依存する。
  論文  参考訳（メタデータ） (2021-09-30T10:23:55Z)
• Vis2Mesh: Efficient Mesh Reconstruction from Unstructured Point Clouds of Large Scenes with Learned Virtual View Visibility [17.929307870456416]
  非構造点雲からのメッシュ再構築のための新しいフレームワークを提案する。 仮想ビューと従来のグラフカットベースのメッシュ生成において、学習した3Dポイントの可視性を活用します。
  論文  参考訳（メタデータ） (2021-08-18T20:28:16Z)
• To Boldly Show What No One Has Seen Before: A Dashboard for Visualizing Multi-objective Landscapes [0.0]
  我々は1つのRパッケージ(moPLOT)にすべての最先端可視化手法をコンパイルした。 これにより、初めて3次元MOPのランドスケープ構造を説明することができる。 また、さまざまな共通ベンチマーク関数に対して、最先端の可視化を計算できるダッシュボードも提供しています。
  論文  参考訳（メタデータ） (2020-11-29T16:33:15Z)
• Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
  我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。 空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。 提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-06T12:17:01Z)
• Weakly Supervised Visual Semantic Parsing [49.69377653925448]
  SGG(Scene Graph Generation)は、画像からエンティティ、述語、それらの意味構造を抽出することを目的としている。 既存のSGGメソッドでは、トレーニングのために何百万もの手動アノテーション付きバウンディングボックスが必要である。 本稿では,ビジュアルセマンティック・パーシング,VSPNet,グラフベースの弱教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-08T03:46:13Z)

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。