論文の概要: Git for Sketches: An Intelligent Tracking System for Capturing Design Evolution

• arxiv url: http://arxiv.org/abs/2602.06047v1
• Date: Fri, 06 Feb 2026 16:52:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.009206
• Title: Git for Sketches: An Intelligent Tracking System for Capturing Design Evolution
• Title（参考訳）: Git for Sketches: 設計の進化をキャプチャするインテリジェントなトラッキングシステム
• Authors: Sankar B, Amogh A S, Sandhya Baranwal, Dibakar Sen,
• Abstract要約: 我々は、カスタムビジュアルバージョン管理アーキテクチャであるsGIT(SketchGit)とGenerative AIを備えたWebベースの環境であるDIMESを紹介する。 DIMESを使用する専門家は、概念探索の幅が160%増加したことを示した。 生成AIモジュールは、知識伝達を促進する物語要約を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: During product conceptualization, capturing the non-linear history and cognitive intent is crucial. Traditional sketching tools often lose this context. We introduce DIMES (Design Idea Management and Evolution capture System), a web-based environment featuring sGIT (SketchGit), a custom visual version control architecture, and Generative AI. sGIT includes AEGIS, a module using hybrid Deep Learning and Machine Learning models to classify six stroke types. The system maps Git primitives to design actions, enabling implicit branching and multi-modal commits (stroke data + voice intent). In a comparative study, experts using DIMES demonstrated a 160% increase in breadth of concept exploration. Generative AI modules generated narrative summaries that enhanced knowledge transfer; novices achieved higher replication fidelity (Neural Transparency-based Cosine Similarity: 0.97 vs. 0.73) compared to manual summaries. AI-generated renderings also received higher user acceptance (Purchase Likelihood: 4.2 vs 3.1). This work demonstrates that intelligent version control bridges creative action and cognitive documentation, offering a new paradigm for design education.
• Abstract（参考訳）: 製品概念化の過程では、非線形履歴と認知意図を捉えることが不可欠である。 伝統的なスケッチツールは、しばしばこの文脈を失う。 DIMES(Design Idea Management and Evolution Captain System)は、SketchGit(sGIT)とカスタムビジュアルバージョン管理アーキテクチャ、Generative AIを備えたWebベースの環境である。 sGITには、ハイブリッドディープラーニングと機械学習モデルを使用して6つのストロークタイプを分類するモジュールであるAEGISが含まれている。 このシステムはGitプリミティブをアクションの設計にマッピングし、暗黙の分岐とマルチモーダルコミット(ストロークデータ+音声インテント)を可能にする。 比較研究で、DIMESを用いた専門家は、概念探索の幅が160%増加したことを示した。 初心者は、手動の要約と比較して高い複製忠実度(Neural Transparency-based Cosine similarity: 0.97 vs. 0.73)を達成した。 AI生成レンダリングも高いユーザ受け入れを得た(Purchase Likelihood: 4.2 vs 3.1)。 この研究は、インテリジェントバージョンコントロールが創造的なアクションと認知ドキュメントを橋渡しし、デザイン教育の新しいパラダイムを提供することを示す。

関連論文リスト

• Personalized Artificial General Intelligence (AGI) via Neuroscience-Inspired Continuous Learning Systems [3.764721243654025]
  現在のアプローチは、タスク固有のパフォーマンスを改善するが、継続的で適応性があり、一般化された学習を可能にするには不十分なモデルパラメータの拡張に大きく依存している。 本稿では、連続学習と神経科学に触発されたAIの現状を概観し、脳のような学習機構をエッジ展開に統合したパーソナライズされたAGIのための新しいアーキテクチャを提案する。 これらの洞察に基づいて、我々は、相補的な高速かつスローな学習モジュール、シナプス的自己最適化、デバイス上の寿命適応をサポートするためのメモリ効率のモデル更新を特徴とするAIアーキテクチャの概要を述べる。
  論文  参考訳（メタデータ） (2025-04-27T16:10:17Z)
• WeGen: A Unified Model for Interactive Multimodal Generation as We Chat [51.78489661490396]
  マルチモーダル生成と理解を統合するモデルWeGenを紹介する。 より詳細な指示を省くために、創造性の高い多様な結果を生成することができる。 様々なビジュアル生成ベンチマークにおいて,最先端性能が達成されていることを示す。
  論文  参考訳（メタデータ） (2025-03-03T02:50:07Z)
• The Thousand Brains Project: A New Paradigm for Sensorimotor Intelligence [0.5032786223328559]
  私たちは、AIの代替的な補完的な形式を開発するための、現在進行中の研究プロジェクトであるSagare Brains Projectについて概説する。 多様なタスクを素早く学習するのに適した感覚運動エージェントである1000脳システムの初期バージョンを提示する。 我々は、数千の脳システムの設計を動機づける鍵となる原則を概説し、モンティの実装の詳細、そしてそのようなシステムの最初のインスタンス化について述べます。
  論文  参考訳（メタデータ） (2024-12-24T11:32:37Z)
• Adinkra Symbol Recognition using Classical Machine Learning and Deep Learning [0.0]
  我々は、6つの畳み込み層、3つの完全連結層、オプションのドロップアウト正規化を用いて、分類と認識のためのCNNモデルを構築した。 モデルの精度と収束率を測定することにより,モデルの性能を評価する。 この応用が、私たちの伝統的かつモダンな生活を組織する上で、AIのさまざまな用途に関するアイデアを刺激することを期待しています。
  論文  参考訳（メタデータ） (2023-11-27T11:26:41Z)
• Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
  画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。 我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:07:48Z)
• AIGenC: An AI generalisation model via creativity [1.933681537640272]
  本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。 人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。 本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
  論文  参考訳（メタデータ） (2022-05-19T17:43:31Z)
• GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
  Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。 GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
  論文  参考訳（メタデータ） (2021-10-19T18:07:07Z)
• Deep Imitation Learning for Bimanual Robotic Manipulation [70.56142804957187]
  本稿では,ロボットによるバイマニュアル操作のための深層模倣学習フレームワークを提案する。 中心となる課題は、操作スキルを異なる場所にあるオブジェクトに一般化することである。 i)マルチモーダルダイナミクスを要素運動プリミティブに分解し、(ii)リカレントグラフニューラルネットワークを用いて各プリミティブをパラメータ化して相互作用を捕捉し、(iii)プリミティブを逐次的に構成する高レベルプランナと、プリミティブダイナミクスと逆運動学制御を組み合わせた低レベルコントローラを統合することを提案する。
  論文  参考訳（メタデータ） (2020-10-11T01:40:03Z)

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。