論文の概要: State of play and future directions in industrial computer vision AI standards
- arxiv url: http://arxiv.org/abs/2503.02675v1
- Date: Tue, 04 Mar 2025 14:46:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 18:50:39.612412
- Title: State of play and future directions in industrial computer vision AI standards
- Title（参考訳）: 産業用コンピュータビジョンAI標準における遊びの状況と今後の方向性
- Authors: Artemis Stefanidou, Panagiotis Radoglou-Grammatikis, Vasileios Argyriou, Panagiotis Sarigiannidis, Iraklis Varlamis, Georgios Th. Papadopoulos,
- Abstract要約: 人工知能(AI)とディープラーニング(DL)はコンピュータビジョン(CV)の分野で大きな進歩をもたらした。
本研究では,産業用コンピュータビジョンAI標準の開発について,現状を考察する。
- 参考スコア（独自算出の注目度）: 6.5545889890947295
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent tremendous advancements in the areas of Artificial Intelligence (AI) and Deep Learning (DL) have also resulted into corresponding remarkable progress in the field of Computer Vision (CV), showcasing robust technological solutions in a wide range of application sectors of high industrial interest (e.g., healthcare, autonomous driving, automation, etc.). Despite the outstanding performance of CV systems in specific domains, their development and exploitation at industrial-scale necessitates, among other, the addressing of requirements related to the reliability, transparency, trustworthiness, security, safety, and robustness of the developed AI models. The latter raises the imperative need for the development of efficient, comprehensive and widely-adopted industrial standards. In this context, this study investigates the current state of play regarding the development of industrial computer vision AI standards, emphasizing on critical aspects, like model interpretability, data quality, and regulatory compliance. In particular, a systematic analysis of launched and currently developing CV standards, proposed by the main international standardization bodies (e.g. ISO/IEC, IEEE, DIN, etc.) is performed. The latter is complemented by a comprehensive discussion on the current challenges and future directions observed in this regularization endeavor.
- Abstract（参考訳）: 人工知能(AI)とディープラーニング(DL)の分野での最近の飛躍的な進歩は、コンピュータビジョン(CV)の分野でも顕著な進歩をもたらし、高い産業分野(医療、自動運転、自動化など)の幅広い分野において、堅牢な技術ソリューションが示されています。
特定の領域におけるCVシステムの卓越した性能にもかかわらず、産業規模でのその開発と利用は、開発中のAIモデルの信頼性、透明性、信頼性、セキュリティ、安全性、堅牢性に関連する要件に対処するなど、必要である。
後者は、効率的で包括的で広く採用されている工業標準の開発に必須の必要性を高めている。
本稿では,産業用コンピュータビジョンAI標準の開発における現状を考察し,モデル解釈可能性,データ品質,規制遵守といった重要な側面を強調した。
特に、主要な国際標準化機関(ISO/IEC、IEEE、DINなど)が提案するCV標準のローンチおよび現在開発中の体系的分析を行う。
後者は、この正規化の取り組みで観察される現在の課題と今後の方向性に関する包括的な議論によって補完される。
関連論文リスト
- AI Safety Assurance for Automated Vehicles: A Survey on Research, Standardization, Regulation [13.059865395440603]
安全クリティカルシステムに適用される人工知能の安全性の確保は、最重要事項である。
AIの標準化と規制と並行して、AIの安全に関する研究が進められている。
論文 参考訳（メタデータ） (2025-04-25T13:14:06Z) - AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。
このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
論文 参考訳（メタデータ） (2025-02-19T05:58:52Z) - Standardization Trends on Safety and Trustworthiness Technology for Advanced AI [0.0]
大規模言語モデルと基礎モデルに基づく最近のAI技術は、人工知能に近づいたり、超えたりしている。
これらの進歩は、高度なAIの安全性と信頼性に関する懸念を引き起こしている。
AIの安全性と信頼性を確保するため、国際的に合意された標準を開発するための努力が実施されている。
論文 参考訳（メタデータ） (2024-10-29T15:50:24Z) - On the role of Artificial Intelligence methods in modern force-controlled manufacturing robotic tasks [0.0]
ロボットマニピュレータの強化におけるAIの役割は、スマートマニュファクチャリングにおける重要なイノベーションに急速に結びついている。
この記事では、これらのイノベーションを実効力によって制御されたアプリケーションにまとめ、高品質な生産標準を維持する必要性を強調します。
この分析は、AI技術を検証するための共通のパフォーマンスメトリクスの必要性を強調した、将来の研究方向性の視点で締めくくっている。
論文 参考訳（メタデータ） (2024-09-25T11:29:26Z) - Towards General Industrial Intelligence: A Survey of Continual Large Models in Industrial IoT [25.16997700703974]
本調査では,大規模モデル(LM)とのIIoT統合とその産業環境への応用について検討する。
我々は,言語ベース,視覚ベース,時系列,マルチモーダルモデルという,産業用LMの4つの主要なタイプに注目した。
IIoTが豊富な多様なデータリソースをどのように提供するかを分析し、LMのトレーニングと微調整をサポートする。
論文 参考訳（メタデータ） (2024-09-02T12:35:59Z) - The Necessity of AI Audit Standards Boards [0.0]
我々は、監査基準の作成は不十分であるだけでなく、無害で一貫性のない基準を広めることによって積極的に有害であると主張している。
代わりに、監査方法と標準を開発・更新する責任を持つAI監査基準委員会(AI Audit Standards Board)の設立を提案する。
論文 参考訳（メタデータ） (2024-04-11T15:08:24Z) - Developing and Deploying Industry Standards for Artificial Intelligence in Education (AIED): Challenges, Strategies, and Future Directions [22.65961106637345]
AIED(Artificial Intelligence in Education)は、教育実践に革命をもたらすことを約束している。
AIEDソリューションの開発とデプロイにおける標準化されたプラクティスの欠如は、断片化されたエコシステムにつながった。
この記事では、AIEDにおける業界標準の開発と実装に関する重要なニーズに対処することを目的としている。
論文 参考訳（メタデータ） (2024-03-13T22:38:08Z) - Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する
AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。
本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-21T08:29:42Z) - Survey on Foundation Models for Prognostics and Health Management in
Industrial Cyber-Physical Systems [1.1034992901877594]
BERTやGPTのような大規模基盤モデル(LFM)は、AI技術の大幅な進歩を示している。
ChatGPTはこの研究パラダイムにおける顕著な成果であり、汎用人工知能の可能性を秘めている。
データ取得技術とデータ処理能力の継続的な向上を考えると、LCMはICPSのPHMドメインにおいて重要な役割を担うことが期待されている。
論文 参考訳（メタデータ） (2023-12-11T09:58:46Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z) - Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
産業用AIは、より効率的な将来の産業用制御システムを約束する。
Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
論文 参考訳（メタデータ） (2020-10-30T20:33:05Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z) - Toward Trustworthy AI Development: Mechanisms for Supporting Verifiable
Claims [59.64274607533249]
AI開発者は、責任を負うことのできる検証可能な主張をする必要がある。
このレポートは、さまざまな利害関係者がAIシステムに関するクレームの妥当性を改善するための様々なステップを示唆している。
我々は、この目的のための10のメカニズム、すなわち、組織、ソフトウェア、ハードウェアを分析し、それらのメカニズムの実装、探索、改善を目的とした推奨を行う。
論文 参考訳（メタデータ） (2020-04-15T17:15:35Z)
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。