論文の概要: BioArtlas: Computational Clustering of Multi-Dimensional Complexity in Bioart

• arxiv url: http://arxiv.org/abs/2511.19162v1
• Date: Sat, 27 Sep 2025 17:26:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.298669
• Title: BioArtlas: Computational Clustering of Multi-Dimensional Complexity in Bioart
• Title（参考訳）: BioArtlas: バイオアートにおける多次元複雑度の計算クラスタリング
• Authors: Joonhyung Bae,
• Abstract要約: バイオアートのハイブリッドな性質は、芸術、科学、技術、倫理、政治に及んでいる。 13の硬化した次元にわたる81のバイオアート作品を分析し、BioArtlasを紹介します。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bioart's hybrid nature spanning art, science, technology, ethics, and politics defies traditional single-axis categorization. I present BioArtlas, analyzing 81 bioart works across thirteen curated dimensions using novel axis-aware representations that preserve semantic distinctions while enabling cross-dimensional comparison. Our codebook-based approach groups related concepts into unified clusters, addressing polysemy in cultural terminology. Comprehensive evaluation of up to 800 representation-space-algorithm combinations identifies Agglomerative clustering at k=15 on 4D UMAP as optimal (silhouette 0.664 +/- 0.008, trustworthiness/continuity 0.805/0.812). The approach reveals four organizational patterns: artist-specific methodological cohesion, technique-based segmentation, temporal artistic evolution, and trans-temporal conceptual affinities. By separating analytical optimization from public communication, I provide rigorous analysis and accessible exploration through an interactive web interface (https://www.bioartlas.com) with the dataset publicly available (https://github.com/joonhyungbae/BioArtlas).
• Abstract（参考訳）: バイオアートのハイブリッドな性質は、芸術、科学、技術、倫理、政治に及んでいる。 そこで,BioArtlas では,13次元にまたがる81のバイオアート作品を,意味的区別を保ちながら相互比較が可能な新しい軸認識表現を用いて解析する。 私たちのコードブックベースのアプローチは、関連する概念を統一クラスタにグループ化し、文化用語のポリセミーに対処します。 最大800の表現-空間-アルゴリズムの組み合わせの包括的評価では、4D UMAP上のk=15の凝集クラスタリングが最適である(silhouette 0.664 +/- 0.008, trustworthiness/continuity 0.805/0.812)。 このアプローチは、アーティスト固有の方法論的結束、テクニックに基づくセグメンテーション、時間的芸術的進化、時間的概念的親和性の4つの組織パターンを明らかにする。 分析最適化と公開コミュニケーションを分離することにより、対話型Webインターフェース(https://www.bioartlas.com)を通じて厳密な分析とアクセス可能な探索を提供する(https://github.com/joonhyungbae/BioArtlas)。

関連論文リスト

• Learning Human-Object Interaction as Groups [52.28258599873394]
  GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。 これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-21T07:25:10Z)
• Hyperbolic Multimodal Representation Learning for Biological Taxonomies [23.639218053531962]
  生物多様性研究における分類学的分類は、証拠に基づいて生物学的標本を構造化階層に分類することを含む。 このような階層モデルに対して,双曲型ネットワークがより良い埋め込み空間を提供できるかどうかを検討する。 提案手法は, マルチモーダルな入力を, コントラッシブと新規な重み付きエンテーメントに基づく目的を用いた共有双曲空間に埋め込む。
  論文  参考訳（メタデータ） (2025-08-22T18:52:50Z)
• BIOMEDICA: An Open Biomedical Image-Caption Archive, Dataset, and Vision-Language Models Derived from Scientific Literature [73.39593644054865]
  BIOMEDICAはスケーラブルでオープンソースのフレームワークで、PubMed Central Open Accessサブセット全体を抽出、注釈付け、シリアライズして、使いやすく、公開可能なデータセットにする。 われわれのフレームワークは600万以上の記事から2400万以上のユニークな画像テキストペアで包括的なアーカイブを生成する。 BMCA-CLIPは、ストリーミングを通じてBIOMEDICAデータセット上で継続的に事前トレーニングされたCLIPスタイルのモデルのスイートで、27TBのデータをローカルにダウンロードする必要がなくなる。
  論文  参考訳（メタデータ） (2025-01-13T09:58:03Z)
• BiomedParse: a biomedical foundation model for image parsing of everything everywhere all at once [58.41069132627823]
  全体像解析は、セグメンテーション、検出、関連するオブジェクトの認識などのサブタスクを含む。 そこで本研究では,9つの画像モダリティにまたがる82種類のオブジェクトの分割,検出,認識を共同で行うことができる,画像解析のためのバイオメディカル基礎モデルであるBiomedParseを提案する。 共同学習により、個々のタスクの精度を向上し、テキストプロンプトを通じてノイズの多い画像中のすべての関連オブジェクトを分割するといった新しいアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2024-05-21T17:54:06Z)
• Accelerating Scientific Discovery with Generative Knowledge Extraction, Graph-Based Representation, and Multimodal Intelligent Graph Reasoning [0.0]
  我々は1000の科学論文からなるデータセットを、オントロジ知識グラフに変換した。 我々はノード度を計算し、コミュニティと接続性を同定し、クラスタリング係数とピボットノード間の重心性を評価した。 グラフは本質的に無スケールの性質を持ち、高連結であり、グラフ推論に使用できる。
  論文  参考訳（メタデータ） (2024-03-18T17:30:27Z)
• Histopathology Whole Slide Image Analysis with Heterogeneous Graph Representation Learning [78.49090351193269]
  本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。 具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。 我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-07-09T14:43:40Z)
• Multi-Ontology Refined Embeddings (MORE): A Hybrid Multi-Ontology and Corpus-based Semantic Representation for Biomedical Concepts [0.5812284760539712]
  本稿では,複数のオントロジからのドメイン知識を分散意味モデルに組み込むためのフレームワークであるMOREを紹介する。 我々は、MOREのコーパスベースのコンポーネントとして、RadCoreとMIMIC-IIIのフリーテキストデータセットを使用します。 コーパスベースでは,メディカル・サブジェクト・ヘッダー(MeSH)と3つの最先端の類似度尺度を用いる。
  論文  参考訳（メタデータ） (2020-04-14T14:38:41Z)

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。