論文の概要: A Low-Code Methodology for Developing AI Kiosks: a Case Study with the DIZEST Platform

• arxiv url: http://arxiv.org/abs/2511.17853v1
• Date: Sat, 22 Nov 2025 00:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.476148
• Title: A Low-Code Methodology for Developing AI Kiosks: a Case Study with the DIZEST Platform
• Title（参考訳）: AIキオスク開発のためのローコード手法--DizeSTプラットフォームを用いたケーススタディ
• Authors: SunMin Moon, Jangwon Gim, Chaerin Kim, Yeeun Kim, YoungJoo Kim, Kang Choi,
• Abstract要約: 本稿では,AIに基づく実装を中心に,低コードアーキテクチャによるキオスクシステムの強化に関する研究を行う。 我々は、直感的なワークフロー設計とシームレスなAI統合を可能にする、特殊なローコードプラットフォームであるDIZESTベースのアプローチ方法論を提案する。 今回のケーススタディでは、相互運用性の向上、ユーザエクスペリエンスの向上、デプロイメントの柔軟性の向上など、このアプローチの有効性をさらに検証しています。
• 参考スコア（独自算出の注目度）: 1.422355431544213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a comprehensive study on enhancing kiosk systems through a low-code architecture, with a focus on AI-based implementations. Modern kiosk systems are confronted with significant challenges, including a lack of integration, structural rigidity, performance bottlenecks, and the absence of collaborative frameworks. To overcome these limitations, we propose a DIZEST-based approach methodology, a specialized low-code platform that enables intuitive workflow design and seamless AI integration. Through a comparative analysis with existing platforms, including Jupyter Notebook, ComfyUI, and Orange3, we demonstrate that DIZEST delivers superior performance across key evaluation criteria. Our photo kiosk case study further validates the effectiveness of this approach in improving interoperability, enhancing user experience, and increasing deployment flexibility.
• Abstract（参考訳）: 本稿では,AIに基づく実装を中心に,低コードアーキテクチャによるキオスクシステムの拡張に関する総合的研究を行う。 現代のキオスクシステムは、統合の欠如、構造的な剛性、パフォーマンスのボトルネック、協調フレームワークの欠如など、重大な課題に直面している。 これらの制限を克服するために、直感的なワークフロー設計とシームレスなAI統合を可能にする特殊なローコードプラットフォームであるDIZESTベースのアプローチ方法論を提案する。 Jupyter Notebook、ComfyUI、Orange3といった既存のプラットフォームとの比較分析を通じて、DIZESTが主要な評価基準を越えて優れたパフォーマンスを提供することを示した。 我々のフォトキオスクケーススタディは、相互運用性の向上、ユーザエクスペリエンスの向上、デプロイメントの柔軟性向上におけるこのアプローチの有効性をさらに検証します。

関連論文リスト

• JoyAgent-JDGenie: Technical Report on the GAIA [27.025464023889853]
  大規模言語モデルは、複雑な現実世界のタスクのための自律的なエージェントとして、ますます多くデプロイされている。 本稿では,計画および実行エージェントを批判モデル投票と統合する汎用エージェントアーキテクチャ,作業層,意味層,手続き層にまたがる階層型メモリシステム,検索,コード実行,マルチモーダル解析のための洗練されたツールスイートを提案する。
  論文  参考訳（メタデータ） (2025-10-01T04:41:58Z)
• White-Basilisk: A Hybrid Model for Code Vulnerability Detection [45.03594130075282]
  我々は、優れた性能を示す脆弱性検出の新しいアプローチであるWhite-Basiliskを紹介する。 White-Basiliskは、パラメータ数2億の脆弱性検出タスクで結果を得る。 この研究は、コードセキュリティにおける新しいベンチマークを確立し、コンパクトで効率的に設計されたモデルが、特定のタスクにおいてより大きなベンチマークよりも優れているという実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-07-11T12:39:25Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Robo-taxi Fleet Coordination at Scale via Reinforcement Learning [21.266509380044912]
  この研究は、数学的モデリングとデータ駆動技術を統合する新しい意思決定フレームワークを導入している。 本稿では、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。 特に、強化学習のレンズを通してAMoDコーディネート問題を示し、グラフネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-08T15:19:41Z)
• Multilayer Environment and Toolchain for Holistic NetwOrk Design and Analysis [2.7763199324745966]
  本研究は分散システム評価の要件を詳細に分析する。 我々のアプローチは、より広い範囲の分散システムのセットアップと評価に重点を置いています。 さまざまなユースケースにまたがって価値ある洞察を提供するためのフレームワークの機能を示します。
  論文  参考訳（メタデータ） (2023-10-24T21:18:25Z)
• Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
  本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。 これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
  論文  参考訳（メタデータ） (2022-07-10T18:51:12Z)

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。