論文の概要: Deep Learning for Climate Action: Computer Vision Analysis of Visual Narratives on X

• arxiv url: http://arxiv.org/abs/2503.09361v1
• Date: Wed, 12 Mar 2025 13:03:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-13 15:38:43.369237
• Title: Deep Learning for Climate Action: Computer Vision Analysis of Visual Narratives on X
• Title（参考訳）: 気候活動のための深層学習:X上の視覚的物語のコンピュータビジョン分析
• Authors: Katharina Prasse, Marcel Kleinmann, Inken Adam, Kerstin Beckersjuergen, Andreas Edte, Jona Frroku, Timotheus Gumpp, Steffen Jung, Isaac Bravo, Stefanie Walter, Margret Keuper,
• Abstract要約: 我々は、2019年に共有されたX(元Twitter)の気候変動に関連するツイートのデータセットを分析し、共有された画像とともに730万のツイートを含む。 本手法は, 統計的分析, 画像分類, 物体検出, 感情分析を統合し, 気候談話における視覚的物語を探索する。 筆者らは, 気候コミュニケーションにおける重要なテーマを明らかにするとともに, 画像とテキストの感情の相違を強調し, ソーシャルメディア画像解析における基礎モデルの強みと限界を明らかにする。
• 参考スコア（独自算出の注目度）: 10.72175732685513
• License:
• Abstract: Climate change is one of the most pressing challenges of the 21st century, sparking widespread discourse across social media platforms. Activists, policymakers, and researchers seek to understand public sentiment and narratives while access to social media data has become increasingly restricted in the post-API era. In this study, we analyze a dataset of climate change-related tweets from X (formerly Twitter) shared in 2019, containing 730k tweets along with the shared images. Our approach integrates statistical analysis, image classification, object detection, and sentiment analysis to explore visual narratives in climate discourse. Additionally, we introduce a graphical user interface (GUI) to facilitate interactive data exploration. Our findings reveal key themes in climate communication, highlight sentiment divergence between images and text, and underscore the strengths and limitations of foundation models in analyzing social media imagery. By releasing our code and tools, we aim to support future research on the intersection of climate change, social media, and computer vision.
• Abstract（参考訳）: 気候変動は21世紀で最も厳しい課題の1つであり、ソーシャルメディアプラットフォーム間で広く議論を呼んだ。 アクティビスト、政策立案者、研究者は、公開の感情や物語を理解しようとする一方で、ソーシャルメディアデータへのアクセスは、ポストAPI時代にますます制限されている。 本研究では、2019年に共有されたX(元Twitter)の気候変動に関連するツイートのデータセットを分析し、共有画像とともに730万のツイートを含む。 本手法は, 統計的分析, 画像分類, 物体検出, 感情分析を統合し, 気候談話における視覚的物語を探索する。 さらに,インタラクティブなデータ探索を容易にするグラフィカルユーザインタフェース(GUI)を導入する。 筆者らは, 気候コミュニケーションにおける重要なテーマを明らかにするとともに, 画像とテキストの感情の相違を強調し, ソーシャルメディア画像解析における基礎モデルの強みと限界を明らかにする。 コードとツールをリリースすることによって、気候変動、ソーシャルメディア、コンピュータビジョンの交差点に関する将来の研究を支援することを目指しています。

関連論文リスト

• Understanding Opinions Towards Climate Change on Social Media [2.31449645503075]
  我々は,実世界の出来事がソーシャルメディア上での気候変動関連トピックに対する個人の意見にどのように影響するかを理解することを目的としている。 我々は2006年から2019年にかけて360万人のユーザーが送った1360万ツイートのデータセットを抽出し分析した。 我々の研究は、COPイベントを取り巻く温暖化対策コミュニティの進化を理解するための第一歩として機能する。
  論文  参考訳（メタデータ） (2023-12-02T20:02:34Z)
• ClimateNLP: Analyzing Public Sentiment Towards Climate Change Using Natural Language Processing [0.0]
  本稿では、自然言語処理(NLP)技術を用いて、気候変動に関する話題を分析し、気候変動に関連するツイートの感情を定量化する。 目的は、個人が表現する感情を識別し、気候変動に関する世論のパターンを明らかにすることである。
  論文  参考訳（メタデータ） (2023-10-12T07:48:50Z)
• EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
  Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
  論文  参考訳（メタデータ） (2023-01-30T11:56:08Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Trend and Thoughts: Understanding Climate Change Concern using Machine Learning and Social Media Data [3.7384509727711923]
  われわれは大規模な気候変動のTwitterデータセットを構築し、機械学習を用いて包括的な分析を行った。 トピックモデリングと自然言語処理を行うことで、気候変動に関するツイート数と主要な気候イベントの関係を示す。 我々のデータセットはKaggleで公開されており、さらなる研究に利用できる。
  論文  参考訳（メタデータ） (2021-11-06T19:59:03Z)
• Exploiting Scene Graphs for Human-Object Interaction Detection [81.49184987430333]
  ヒューマン・オブジェクト・インタラクション(Human-Object Interaction,HOI)検出は、人間とオブジェクト間のインタラクションのローカライズと認識を目的とした、基本的な視覚的タスクである。 そこで本研究では,シーングラフを用いたヒューマン・オブジェクト・インタラクション(SG2HOI)検出タスクのための新しい手法を提案する。 SG2HOIはSG情報を2つの方法で組み込む:(1)シーングラフを世界的文脈の手がかりに埋め込み、シーン固有の環境コンテキストとして機能し、(2)オブジェクトの近傍から関係を収集し、それらを対話に転送するリレーショナル・アウェア・メッセージ・パッシング・モジュールを構築する。
  論文  参考訳（メタデータ） (2021-08-19T09:40:50Z)
• Enhancing Social Relation Inference with Concise Interaction Graph and Discriminative Scene Representation [56.25878966006678]
  我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。 人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。 PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
  論文  参考訳（メタデータ） (2021-07-30T04:20:13Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• ClimaText: A Dataset for Climate Change Topic Detection [2.9767565026354186]
  文に基づく気候変動トピック検出のためのデータセットであるtextscClimaTextを紹介した。 一般的なキーワードベースのモデルは、そのような複雑で進化するタスクには不十分であることがわかった。 我々の分析は、いくつかの面で改善する大きな可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-12-01T13:42:37Z)
• Visual Sentiment Analysis from Disaster Images in Social Media [11.075683976162766]
  本稿では,社会的な重要な領域における視覚的感情分析,すなわちソーシャルメディアにおける災害分析に焦点を当てる。 本稿では,災害関連画像に対する深い視覚的感情分析手法を提案し,視覚的感情分析のさまざまな側面について述べる。 提案システムは,様々な利害関係者を支援することで,より生き生きとしたコミュニティに貢献できると考えている。
  論文  参考訳（メタデータ） (2020-09-04T11:29:52Z)

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。