論文の概要: The Lifetime of the Covid Memorial Wall: Modelling with Collections Demography, Social Media Data and Citizen Science

• arxiv url: http://arxiv.org/abs/2504.11196v1
• Date: Tue, 15 Apr 2025 13:51:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:11:09.986803
• Title: The Lifetime of the Covid Memorial Wall: Modelling with Collections Demography, Social Media Data and Citizen Science
• Title（参考訳）: The Lifetime of the Covid Memorial Wall: Modelling with Collections Demography, Social Media Data and Citizen Science
• Authors: Josep Grau-Bové, Mara Cruz, Pakhee Kumar,
• Abstract要約: ロンドンのナショナル・コビッド・メモリアル・ウォールには、手描きの赤いハートが2万枚以上ある。 本研究は, 高品質塗料の変遷と, 壁面の長期保存に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The National Covid Memorial Wall in London, featuring over 240,000 hand-painted red hearts, faces significant conservation challenges due to the rapid fading of the paint. This study evaluates the transition to a better-quality paint and its implications for the wall's long-term preservation. The rapid fading of the initial materials required an unsustainable repainting rate, burdening volunteers. Lifetime simulations based on a collections demography framework suggest that repainting efforts must continue at a rate of some hundreds of hearts per week to maintain a stable percentage of hearts in good condition. This finding highlights the need for a sustainable management strategy that includes regular maintenance or further reduction of the fading rate. Methodologically, this study demonstrates the feasibility of using a collections demography approach, supported by citizen science and social media data, to inform heritage management decisions. An agent-based simulation is used to propagate the multiple uncertainties measured. The methodology provides a robust basis for modeling and decision-making, even in a case like this, where reliance on publicly available images and volunteer-collected data introduces variability. Future studies could improve data within a citizen science framework by inviting public submissions, using on-site calibration charts, and increasing volunteer involvement for longitudinal data collection. This research illustrates the flexibility of the collections demography framework, firstly by showing its applicability to an outdoor monument, which is very different from the published case studies, and secondly by demonstrating how it can work even with low-quality data.
• Abstract（参考訳）: ロンドンのナショナル・コビッド・メモリアル・ウォールには、手描きの赤いハートが2万枚以上ある。 本研究は, 高品質塗料の変遷と, 壁面の長期保存に与える影響について検討した。 初期の材質の急激な衰退は、持続不可能な塗装率を必要とし、志願兵を負担した。 コレクション・デモグラフィー・フレームワークに基づくライフタイム・シミュレーションでは、心臓の安定したパーセンテージを良好な状態に保つためには、週に何百もの心臓のペースで再塗装の努力を継続する必要があることが示唆されている。 この発見は、定期的なメンテナンスを含む持続的な管理戦略や、失明率のさらなる削減の必要性を浮き彫りにしている。 本研究は,市民科学とソーシャルメディアデータによって支援されたコレクション・デモグラフィー・アプローチを用いて,遺産管理の決定を伝達する可能性を示す。 エージェントベースのシミュレーションは、測定された複数の不確実性を伝播するために使用される。 この方法論は、公開画像やボランティアが収集したデータに依存するようなケースであっても、モデリングと意思決定の堅牢な基盤を提供する。 今後の研究は、市民科学の枠組み内のデータを改善するために、公募を招待したり、現場の校正チャートを使ったり、長期データ収集にボランティアが関与したりすることで、データを改善することができる。 本研究は, コレクション・デモグラフィー・フレームワークの柔軟性を概説し, 第一に, 公開事例研究とは大きく異なる屋外モニュメントに適用可能性を示し, 第二に, 低品質データでも動作可能であることを示す。

関連論文リスト

• Before It's Too Late: A State Space Model for the Early Prediction of Misinformation and Disinformation Engagement [5.298433171781642]
  本稿では,ソーシャルメディアのエンゲージメントを予測する新しい状態空間モデルであるIC-Mambaを紹介する。 私たちのモデルは、投稿から15～30分以内にエンゲージメントパターンを予測するのに優れています。 本実験は,ポストレベルダイナミクスとより広範な物語パターンの予測におけるIC-Mambaの有効性を示す。
  論文  参考訳（メタデータ） (2025-02-07T04:43:11Z)
• CureGraph: Contrastive Multi-Modal Graph Representation Learning for Urban Living Circle Health Profiling and Prediction [13.681538916025021]
  都市保健予測のためのマルチモーダル表現学習フレームワークであるCureGraphを提案する。 CureGraphは、各地区の都市生活圏における高齢者の一般的な慢性疾患の頻度を推定する。 クロスモーダルな空間依存を捉え、高齢者の健康に配慮した都市環境を包括的に理解する。
  論文  参考訳（メタデータ） (2025-01-13T09:30:38Z)
• Lifelong Histopathology Whole Slide Image Retrieval via Distance Consistency Rehearsal [14.279613442594929]
  本稿では,破滅的な忘れ事の課題に対処するために,生涯全スライド検索(LWSR)フレームワークを提案する。 私たちのフレームワークは、継続的学習中に安定性と可塑性のバランスを達成することを目的としています。 提案手法をTCGAプロジェクトの4つの公開WSIデータセット上で評価した。
  論文  参考訳（メタデータ） (2024-07-11T03:12:28Z)
• Data-Free Sketch-Based Image Retrieval [56.96186184599313]
  本研究では,事前学習された単一モダリティ分類モデルを用いて,学習データにアクセスせずに検索のためのクロスモーダルな距離空間を学習するData-Free (DF)-SBIRを提案する。 本稿では、写真やスケッチの分類を行うために、独立して訓練されたモデルからの知識を活用できるDF-SBIRの方法論を提案する。 また、トレーニングデータを必要としないデータ依存アプローチと競合するmAPを実現する。
  論文  参考訳（メタデータ） (2023-03-14T10:34:07Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Decoupling Long- and Short-Term Patterns in Spatiotemporal Inference [31.245426664456257]
  高価なため、大量のセンサーを配備するのは現実的ではない。 きめ細かいデータ測定の仕方は、長い間、迫りくる問題だった。 本稿では,短期パターンの空間的および時間的関係を学習するためのグラフ時間的注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-09-16T03:06:31Z)
• Style Curriculum Learning for Robust Medical Image Segmentation [62.02435329931057]
  深部セグメンテーションモデルは、トレーニングデータセットとテストデータセットの間の画像強度の分散シフトによって、しばしば劣化する。 本稿では,そのような分散シフトが存在する場合に,ロバストなセグメンテーションを確保するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-01T08:56:24Z)
• HM4: Hidden Markov Model with Memory Management for Visual Place Recognition [54.051025148533554]
  自律運転における視覚的位置認識のための隠れマルコフモデルを提案する。 我々のアルゴリズムはHM$4$と呼ばれ、時間的ルックアヘッドを利用して、有望な候補画像をパッシブストレージとアクティブメモリ間で転送する。 固定被覆領域に対して一定の時間と空間推定が可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-01T08:49:24Z)
• Addressing Class Imbalance in Scene Graph Parsing by Learning to Contrast and Score [65.18522219013786]
  シーングラフ解析は、画像シーン内のオブジェクトを検出し、それらの関係を認識することを目的としている。 最近の手法は、いくつかの人気のあるベンチマークで高い平均スコアを達成しているが、稀な関係を検出するには失敗している。 本稿では,クラス不均衡問題を解決するために,分類とランキングの新たな統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-28T13:57:59Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)

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。