Fugu-MT 論文翻訳(概要): The Kieker Observability Framework Version 2

論文の概要: The Kieker Observability Framework Version 2

arxiv url: http://arxiv.org/abs/2503.09189v1
Date: Wed, 12 Mar 2025 09:30:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-13 15:39:54.238038
Title: The Kieker Observability Framework Version 2
Title（参考訳）: Kieker Observability Framework Version 2
Authors: Shinhyung Yang, David Georg Reichelt, Reiner Jung, Marcel Hansson, Wilhelm Hasselbring,
Abstract要約: 我々は、Keeker Monitoring Frameworkの後継であるKeeker Observability Framework Version 2を紹介する。このツールアーティファクトペーパーでは、Keekerフレームワークだけでなく、TeaStoreベンチマークへのアプリケーションのデモも公開しています。
参考スコア（独自算出の注目度）: 0.24466725954625887
License:
Abstract: Observability of a software system aims at allowing its engineers and operators to keep the system robust and highly available. With this paper, we present the Kieker Observability Framework Version 2, the successor of the Kieker Monitoring Framework. In this tool artifact paper, we do not just present the Kieker framework, but also a demonstration of its application to the TeaStore benchmark, integrated with the visual analytics tool ExplorViz. This demo is provided both as an online service and as an artifact to deploy it yourself.
Abstract（参考訳）: ソフトウェアシステムの可観測性は、エンジニアとオペレーターがシステムを堅牢かつ高可用性に保つことを目的としています。本稿では、Keeker Monitoring Frameworkの後継であるKeeker Observability Framework Version 2を紹介する。このツールアーティファクトペーパーでは、Keekerフレームワークだけでなく、TeaStoreベンチマークへのアプリケーションのデモも公開しています。このデモは、オンラインサービスと、それを自分でデプロイするためのアーティファクトとして提供される。

関連論文リスト

Granite Vision: a lightweight, open-source multimodal model for enterprise Intelligence [88.74800617923083]
視覚機能を備えた軽量な大規模言語モデルであるGranite Visionを紹介した。我々のモデルは、包括的な命令追従データセットに基づいて訓練されている。 Granite Visionは、ビジュアル文書理解に関連する標準ベンチマークで強力な結果を得る。
論文参考訳（メタデータ） (2025-02-14T05:36:32Z)
UVIS: Unsupervised Video Instance Segmentation [65.46196594721545]
ビデオキャプションインスタンスのセグメンテーションには、ビデオフレームをまたいだすべてのオブジェクトの分類、セグメンテーション、追跡が必要である。 UVISは,ビデオアノテーションや高密度ラベルに基づく事前学習を必要とせずに,ビデオインスタンスのセグメンテーションを行うことのできる,新しいUnsupervised Video Instance (UVIS) フレームワークである。本フレームワークは,フレームレベルの擬似ラベル生成,トランスフォーマーベースのVISモデルトレーニング,クエリベースのトラッキングという3つの重要なステップで構成されている。
論文参考訳（メタデータ） (2024-06-11T03:05:50Z)
Weak-to-Strong 3D Object Detection with X-Ray Distillation [75.47580744933724]
本稿では,既存の任意の3Dオブジェクト検出フレームワークにシームレスに統合する多目的手法を提案する。オブジェクト・コンプリートフレームを用いたX線蒸留は、教師付き設定と半教師付き設定の両方に適している。提案手法は,半教師あり学習における最先端の手法を1-1.5mAPで超越する。
論文参考訳（メタデータ） (2024-03-31T13:09:06Z)
Intelligent Monitoring Framework for Cloud Services: A Data-Driven Approach [8.862212993027658]
監視のギャップは、インシデント検出の遅延と、顧客の重大なネガティブな影響につながる可能性がある。開発者は部族的知識と、主に試行錯誤に基づくプロセスを使ってモニターを作成する。サービスプロパティに基づいたクラウドサービスの監視を推奨するインテリジェントな監視フレームワークを提案する。
論文参考訳（メタデータ） (2024-02-29T19:40:32Z)
CATMA: Conformance Analysis Tool For Microservice Applications [17.02919511849072]
本稿では,システムデプロイメントと実装の非互換性を検出する自動ツールであるCATMAを提案する。 CATMAの評価は、性能の面で有望な結果を示し、有用な洞察を提供する。
論文参考訳（メタデータ） (2024-01-18T09:53:22Z)
BU-CVKit: Extendable Computer Vision Framework for Species Independent Tracking and Analysis [7.036239435275302]
本稿では,チェーンプロセッサを用いた研究パイプライン作成を可能にするコンピュータビジョンフレームワークを提案する。コミュニティはフレームワークの作業のプラグインを作成できるため、再利用性、アクセシビリティ、作業の公開性が向上する。フレームワーク用に作成されたサンプルプラグインを通じて生成された行動パイプラインの例を示す。
論文参考訳（メタデータ） (2023-06-07T19:12:03Z)
SURDS: Self-Supervised Attention-guided Reconstruction and Dual Triplet Loss for Writer Independent Offline Signature Verification [16.499360910037904]
オフライン署名検証(英: Offline Signature Verification、OSV)は、法学、商業、法学の様々な分野における基本的な生体計測の課題である。著者に依存しないOSVにおける自己教師付き表現学習とメートル法学習を活用する2段階のディープラーニングフレームワークを提案する。提案したフレームワークは2つのオフライン署名データセットで評価され、様々な最先端の手法と比較されている。
論文参考訳（メタデータ） (2022-01-25T07:26:55Z)
Creating Training Sets via Weak Indirect Supervision [66.77795318313372]
Weak Supervision (WS)フレームワークは、複数の潜在的にノイズの多い監督ソースからトレーニングラベルを合成する。 Weak Indirect Supervision (WIS) は、トレーニングラベルの自動合成のための新しい研究課題である。我々は,ユーザが提供するラベル関係を利用して間接的な監督源をモデル化し活用する確率論的モデリング手法PLRMを開発した。
論文参考訳（メタデータ） (2021-10-07T14:09:35Z)
MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection [76.80153360498797]
タスク固有の識別表現を効率的に洗練するためのマルチインスタンス自己学習フレームワーク(MIST)を開発した。 mistは1)スパース連続サンプリング戦略を適用し,より信頼性の高いクリップレベル擬似ラベルを生成するマルチインスタンス擬似ラベル生成器,2)自己誘導型注意強調特徴エンコーダで構成される。本手法は,上海技術におけるフレームレベルのAUC 94.83%の取得において,既存の教師付きおよび弱教師付き手法と同等あるいはそれ以上に機能する。
論文参考訳（メタデータ） (2021-04-04T15:47:14Z)
Unadversarial Examples: Designing Objects for Robust Vision [100.4627585672469]
現代の機械学習アルゴリズムの感度を入力摂動に活かし、「ロバストオブジェクト」を設計するフレームワークを開発しています。標準ベンチマークから(シミュレーション中)ロボット工学まで,さまざまな視覚ベースのタスクに対するフレームワークの有効性を実証する。
論文参考訳（メタデータ） (2020-12-22T18:26:07Z)

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。