論文の概要: Urbanite: A Dataflow-Based Framework for Human-AI Interactive Alignment in Urban Visual Analytics
- arxiv url: http://arxiv.org/abs/2508.07390v1
- Date: Sun, 10 Aug 2025 15:44:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.836792
- Title: Urbanite: A Dataflow-Based Framework for Human-AI Interactive Alignment in Urban Visual Analytics
- Title（参考訳）: Urbanite: 都市ビジュアル分析における人間-AIインタラクティブアライメントのためのデータフローベースのフレームワーク
- Authors: Gustavo Moreira, Leonardo Ferreira, Carolina Veiga, Maryam Hosseini, Fabio Miranda,
- Abstract要約: 都市視覚分析は、現実世界の問題に対する洞察を導き出すのに欠かせないものとなっている。
多様なデータセットを管理し、複雑に蒸留し、様々な分析手法を統合する必要性は、参入の障壁を高くする。
都市視覚分析における人間とAIの協調のためのフレームワークであるUrbaniteを提案する。
- 参考スコア（独自算出の注目度）: 4.107382739138796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing availability of urban data and the increasing complexity of societal challenges, visual analytics has become essential for deriving insights into pressing real-world problems. However, analyzing such data is inherently complex and iterative, requiring expertise across multiple domains. The need to manage diverse datasets, distill intricate workflows, and integrate various analytical methods presents a high barrier to entry, especially for researchers and urban experts who lack proficiency in data management, machine learning, and visualization. Advancements in large language models offer a promising solution to lower the barriers to the construction of analytics systems by enabling users to specify intent rather than define precise computational operations. However, this shift from explicit operations to intent-based interaction introduces challenges in ensuring alignment throughout the design and development process. Without proper mechanisms, gaps can emerge between user intent, system behavior, and analytical outcomes. To address these challenges, we propose Urbanite, a framework for human-AI collaboration in urban visual analytics. Urbanite leverages a dataflow-based model that allows users to specify intent at multiple scopes, enabling interactive alignment across the specification, process, and evaluation stages of urban analytics. Based on findings from a survey to uncover challenges, Urbanite incorporates features to facilitate explainability, multi-resolution definition of tasks across dataflows, nodes, and parameters, while supporting the provenance of interactions. We demonstrate Urbanite's effectiveness through usage scenarios created in collaboration with urban experts. Urbanite is available at https://urbantk.org/urbanite.
- Abstract（参考訳）: 都市データの可用性の向上と社会的課題の複雑さの増大により、視覚分析は現実世界の問題に対する洞察を導き出すのに欠かせないものとなっている。
しかし、そのようなデータ分析は本質的に複雑で反復的であり、複数のドメインにまたがる専門知識を必要とする。
多様なデータセットを管理し、複雑なワークフローを蒸留し、さまざまな分析手法を統合する必要性は、特にデータ管理、機械学習、可視化の熟練度に欠ける研究者や都市の専門家にとって、参入の障壁となる。
大規模言語モデルの進歩は、ユーザが正確な計算操作を定義するのではなく、意図を指定できるようにすることで、分析システム構築の障壁を低くする有望なソリューションを提供する。
しかしながら、明示的な操作から意図に基づくインタラクションへの移行は、設計と開発プロセス全体の整合性を確保する上での課題をもたらします。
適切なメカニズムがなければ、ユーザの意図、システムの振る舞い、分析結果の間にギャップが生じる可能性がある。
これらの課題に対処するために、都市視覚分析における人間とAIの協調のためのフレームワークであるUrbaniteを提案する。
Urbaniteは、複数のスコープでインテントを指定できるデータフローベースのモデルを活用し、都市分析の仕様、プロセス、評価段階を横断するインタラクティブなアライメントを可能にする。
課題を明らかにするための調査の結果に基づいて、Urbaniteは、データフロー、ノード、パラメータ間のタスクのマルチレゾリューション定義を容易にすると同時に、インタラクションの実証をサポートするために、機能を導入している。
都市の専門家と共同で作成した利用シナリオを通じて,アーバンライトの有効性を実証する。
Urbaniteはhttps://urbantk.org/urbanite.comで入手できる。
関連論文リスト
- Spatial Understanding from Videos: Structured Prompts Meet Simulation Data [79.52833996220059]
本稿では,事前学習された視覚言語モデルにおける3次元空間推論を,アーキテクチャを変更することなく拡張するための統一的なフレームワークを提案する。
このフレームワークは、複雑なシーンと質問を解釈可能な推論ステップに分解する構造化プロンプト戦略であるSpatialMindと、多様な3Dシミュレーションシーンから構築されたスケーラブルな質問応答データセットであるScanForgeQAを組み合わせる。
論文 参考訳（メタデータ） (2025-06-04T07:36:33Z) - Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳（メタデータ） (2025-01-20T07:12:40Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Curio: A Dataflow-Based Framework for Collaborative Urban Visual Analytics [4.719274729264413]
都会の視覚分析を協調的に行うためのフレームワークであるCurioについて紹介する。
このフレームワークは、データ前処理、管理、視覚化のステージを専門家が操作できるようにする。
都市の専門家と共同で,都市のアクセシビリティ,都市微小気候,日光アクセスを対象とする多様な利用シナリオを通じて,キュリオを評価する。
論文 参考訳（メタデータ） (2024-08-12T13:31:40Z) - DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics [5.674216760436341]
都市問題の複雑な性質と利用可能なデータの圧倒的な量は、これらの取り組みを実用的な洞察に翻訳する上で大きな課題を提起している。
興味のある特徴を分析する際、都市の専門家は、異なるテーマ(例えば、日光アクセス、人口統計)と物理的(例えば、建物、ストリートネットワーク)のデータ層を変換し、統合し、視覚化しなければならない。
これにより、プログラマにとって視覚的なデータ探索とシステム実装が難しくなり、コンピュータ科学以外の都市の専門家にとって高い入り口障壁となる。
論文 参考訳（メタデータ） (2023-08-15T13:43:04Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z)
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。