論文の概要: Chronotome: Real-Time Topic Modeling for Streaming Embedding Spaces

• arxiv url: http://arxiv.org/abs/2509.01051v1
• Date: Mon, 01 Sep 2025 01:32:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.517781
• Title: Chronotome: Real-Time Topic Modeling for Streaming Embedding Spaces
• Title（参考訳）: Chronoome: 埋め込みスペースをストリーミングするためのリアルタイムトピックモデリング
• Authors: Matte Lim, Catherine Yeh, Martin Wattenberg, Fernanda Viégas, Panagiotis Michalatos,
• Abstract要約: 本研究では,力に基づくプロジェクションとストリーミングクラスタリングを組み合わせた可視化手法を導入し,埋め込みの空間時間マップを構築する。 このテクニックを適用して、時間ベースのデータで進化するテーマをリアルタイムでインタラクティブに探索するツールであるChronotomeを、リアルタイムで作成します。 我々は、テキストと画像データに対するユースケースを通じて、我々のアプローチの有用性を実証し、時間的データセットの美学と意味を理解するための新しいレンズをどのように提供するかを示した。
• 参考スコア（独自算出の注目度）: 43.14080298381422
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many real-world datasets -- from an artist's body of work to a person's social media history -- exhibit meaningful semantic changes over time that are difficult to capture with existing dimensionality reduction methods. To address this gap, we introduce a visualization technique that combines force-based projection and streaming clustering methods to build a spatial-temporal map of embeddings. Applying this technique, we create Chronotome, a tool for interactively exploring evolving themes in time-based data -- in real time. We demonstrate the utility of our approach through use cases on text and image data, showing how it offers a new lens for understanding the aesthetics and semantics of temporal datasets.
• Abstract（参考訳）: アーティストの身体からソーシャルメディアの歴史に至るまで、多くの現実世界のデータセットは、既存の次元削減手法で捉えるのが困難である時間とともに意味のある意味的な変化を示す。 このギャップに対処するために,力に基づくプロジェクションとストリーミングクラスタリングを組み合わせた可視化手法を導入し,埋め込みの時空間マップを構築する。 このテクニックを適用して、時間ベースのデータで進化するテーマをリアルタイムでインタラクティブに探索するツールであるChronotomeを、リアルタイムで作成します。 我々は、テキストと画像データに対するユースケースを通じて、我々のアプローチの有用性を実証し、時間的データセットの美学と意味を理解するための新しいレンズをどのように提供するかを示した。

関連論文リスト

• THYME: Temporal Hierarchical-Cyclic Interactivity Modeling for Video Scene Graphs in Aerial Footage [11.587822611656648]
  時間的階層的周期的シーングラフ(THYME)アプローチを導入し,階層的特徴集約と周期的時間的改善を統合して限界に対処する。 THYMEは、マルチスケールの空間コンテキストを効果的にモデル化し、フレーム間の時間的一貫性を強制し、より正確で一貫性のあるシーングラフを生成する。 さらに,既存のデータセットの制約を克服する5種類の対話性を備えた新しい空中ビデオデータセットであるAeroEye-v1.0を提案する。
  論文  参考訳（メタデータ） (2025-07-12T08:43:38Z)
• Salient Temporal Encoding for Dynamic Scene Graph Generation [0.765514655133894]
  本稿では,時間関連オブジェクトペア間のみに時間的接続を選択的に構築する新しい時空間シーングラフ生成手法を提案する。 結果として、スパースで明示的な時間表現により、Scene Graph Detectionにおいて、強いシーングラフ生成ベースラインを最大4.4%改善することができる。
  論文  参考訳（メタデータ） (2025-03-15T08:01:36Z)
• HGAurban: Heterogeneous Graph Autoencoding for Urban Spatial-Temporal Learning [36.80668790442231]
  重要な課題は、空間時空間グラフで意味のある領域表現を学習する既存のニューラルネットワークの能力を制限する、空間時空間データのノイズとスパースの性質にある。 都市データ表現のための自己教師付き生成学習を生かしたヘテロジニアスな空間時間グラフマスク型オートエンコーダであるHurbanを提案する。
  論文  参考訳（メタデータ） (2024-10-14T07:33:33Z)
• Temporal Embeddings: Scalable Self-Supervised Temporal Representation Learning from Spatiotemporal Data for Multimodal Computer Vision [1.4127889233510498]
  移動活動時系列に基づいて景観を階層化する新しい手法を提案する。 ピクセルワイズ埋め込みは、タスクベースのマルチモーダルモデリングに使用できるイメージライクなチャネルに変換される。
  論文  参考訳（メタデータ） (2023-10-16T02:53:29Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• Dynamic Graph Convolutional Network with Attention Fusion for Traffic Flow Prediction [10.3426659705376]
  本稿では,同期時空間相関をモデル化するための注意融合型動的グラフ畳み込みネットワークを提案する。 我々は、4つの実世界の交通データセットにおいて、我々の手法が18のベースライン法と比較して最先端の性能を上回ることを示す広範な実験を行った。
  論文  参考訳（メタデータ） (2023-02-24T12:21:30Z)
• Geography-Aware Self-Supervised Learning [79.4009241781968]
  異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。 本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。 提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2020-11-19T17:29:13Z)

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。