論文の概要: Learning Demographic-Conditioned Mobility Trajectories with Aggregate Supervision

• arxiv url: http://arxiv.org/abs/2603.03275v1
• Date: Tue, 03 Mar 2026 18:57:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.941751
• Title: Learning Demographic-Conditioned Mobility Trajectories with Aggregate Supervision
• Title（参考訳）: Aggregate Supervision を用いたデモグラフィック記述型モビリティ軌道の学習
• Authors: Jessie Z. Li, Zhiqing Hong, Toru Shirakawa, Serina Chang,
• Abstract要約: ATLASは, (i) 人口統計ラベルのない個々の軌跡, (ii) 地域レベルの集合的移動特性, (iii) 国勢調査データからの地域レベルの人口構成を用いて, 人口統計条件付き軌跡生成の弱い制御手法である。 我々は,ATLASがいつ,なぜ機能するのかを理論的に分析し,地域ごとの多様性や,集合的特徴の有意性などの重要な要因を同定する。
• 参考スコア（独自算出の注目度）: 12.328834233418915
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human mobility trajectories are widely studied in public health and social science, where different demographic groups exhibit significantly different mobility patterns. However, existing trajectory generation models rarely capture this heterogeneity because most trajectory datasets lack demographic labels. To address this gap in data, we propose ATLAS, a weakly supervised approach for demographic-conditioned trajectory generation using only (i) individual trajectories without demographic labels, (ii) region-level aggregated mobility features, and (iii) region-level demographic compositions from census data. ATLAS trains a trajectory generator and fine-tunes it so that simulated mobility matches observed regional aggregates while conditioning on demographics. Experiments on real trajectory data with demographic labels show that ATLAS substantially improves demographic realism over baselines (JSD $\downarrow$ 12%--69%) and closes much of the gap to strongly supervised training. We further develop theoretical analyses for when and why ATLAS works, identifying key factors including demographic diversity across regions and the informativeness of the aggregate feature, paired with experiments demonstrating the practical implications of our theory. We release our code at https://github.com/schang-lab/ATLAS.
• Abstract（参考訳）: ヒトの移動軌跡は公衆衛生と社会科学において広く研究されており、異なる人口集団が大きな異なる移動パターンを示す。 しかし、既存の軌跡生成モデルは、ほとんどの軌跡データセットには人口統計ラベルがないため、この不均一性を捉えることは滅多にない。 この差に対処するために、人口動態条件付き軌道生成のための弱い教師付きアプローチであるATLASを提案する。 (i)人口統計ラベルのない個人軌跡 (二)地域レベルの集合移動特性、及び 三 国勢調査データによる地域レベルの人口構成 ATLASは軌道生成器を訓練し、それを微調整することで、人口統計を条件づけながら、地域の集合体を模擬的な移動性マッチングで観察する。 統計ラベルによる実際の軌道データの実験では、ATLASはベースラインよりも人口動態のリアリズムを大幅に改善し(JSD $\downarrow $ 12%--69%)、強力な教師付きトレーニングのギャップを埋めている。 さらに,ATLASがいつ,なぜ機能するのかを理論的に分析し,地域ごとの多様性や集合的特徴の有意性などの重要な要因を同定し,本理論の実用的意義を実証する実験と組み合わせた。 コードについてはhttps://github.com/schang-lab/ATLAS.comで公開しています。

関連論文リスト

• Interpretable Debiasing of Vision-Language Models for Social Fairness [55.85977929985967]
  本稿では,視覚・言語モデルに社会的属性ニューロンを局在させる,解釈可能なモデルに依存しないバイアス緩和フレームワークDeBiasLensを紹介する。 社会属性ラベルを含まない顔画像やキャプションデータセットでSAEを訓練し、特定の人口動態に高い応答性を持つニューロンを明らかにする。 我々の研究は、未来の監査ツールの基礎を築き、新興の現実世界のAIシステムにおける社会的公正性を優先します。
  論文  参考訳（メタデータ） (2026-02-27T13:37:11Z)
• Demographic Probing of Large Language Models Lacks Construct Validity [16.29607362682272]
  大規模言語モデルが人口統計特性にどのように適応するかを考察する。 このアプローチは通常、グループメンバーシップのシグナルとして、分離された単一の人口統計学的キューを使用する。 その結果、同じ人口集団を表現するための手がかりは、モデル行動に部分的に重なる変化しか生じないことがわかった。
  論文  参考訳（メタデータ） (2026-01-26T13:41:35Z)
• HiCoTraj:Zero-Shot Demographic Reasoning via Hierarchical Chain-of-Thought Prompting from Trajectory [7.5718216170269566]
  既存のモビリティに基づく人口推定研究は、人口統計ラベルを持つ大規模軌跡データに依存している。 ラベル付きトレーニングデータなしで人口推定を行うフレームワークであるHiCoTrajを提案する。 ゼロショットシナリオにおいて,HiCoTrajは複数の階層属性をまたいだ競合性能を実現する。
  論文  参考訳（メタデータ） (2025-10-14T02:18:29Z)
• Person-Centric Annotations of LAION-400M: Auditing Bias and Its Transfer to Models [81.45743826739054]
  大きな障壁は、LAION-400MのようなWebスケールデータセットにおける人口統計アノテーションの欠如である。 2億7600万以上のバウンディングボックスや、性別や人種/民族ラベルの認識、キャプションの自動生成など、完全なデータセットのための人中心アノテーションを作成します。 それらを用いて、黒人や中東と見なされる男性や個人と犯罪に関連する負のコンテンツとの不均等な結びつきなど、人口不均衡や有害な関連を明らかにする。
  論文  参考訳（メタデータ） (2025-10-04T07:51:59Z)
• DemoBias: An Empirical Study to Trace Demographic Biases in Vision Foundation Models [5.024921806058944]
  大規模視覚言語モデル(LVLM)は、生体認証(FR)や記述を含む様々な下流タスクにおいて顕著な機能を示した。 テキストトークン生成タスクを用いた生体計測 FR における LVLM における人口統計学的バイアスの程度を実験的に検討する。
  論文  参考訳（メタデータ） (2025-08-25T18:02:49Z)
• Leveraging Prototypical Representations for Mitigating Social Bias without Demographic Information [50.29934517930506]
  DAFairは、言語モデルにおける社会的バイアスに対処する新しいアプローチである。 偏見を緩和するために、原型的人口統計テキストを活用し、微調整プロセス中に正規化用語を取り入れる。
  論文  参考訳（メタデータ） (2024-03-14T15:58:36Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• Non-Invasive Fairness in Learning through the Lens of Data Drift [88.37640805363317]
  データや学習アルゴリズムを変更することなく、機械学習モデルの公平性を向上する方法を示す。 異なる集団間の傾向のばらつきと、学習モデルと少数民族間の連続的な傾向は、データドリフトと類似している。 このドリフトを解決するための2つの戦略(モデル分割とリウィーディング)を探索し、基礎となるデータに対するモデル全体の適合性を改善することを目的としている。
  論文  参考訳（メタデータ） (2023-03-30T17:30:42Z)
• A fairness assessment of mobility-based COVID-19 case prediction models [0.0]
  予測モデルのトレーニングに使用されるモビリティデータのバイアスが、特定の人口集団に対して不当に精度の低い予測に繋がる可能性があるという仮説を検証した。 特に、モデルは大きく、高度に教育され、富裕な若者、都市、非黒人が支配する郡を好む傾向にある。
  論文  参考訳（メタデータ） (2022-10-08T03:43:51Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)
• DETECT: Deep Trajectory Clustering for Mobility-Behavior Analysis [10.335486459171992]
  我々は,Deep Embedded TrajEctor ClusTering Network (DETECT)と呼ばれる,移動行動クラスタリングのための教師なしニューラルネットワークを提案する。 DETECTは3つの部分で機能する: まず、重要な部分を要約し、地理的局所性から派生した文脈で拡張することで軌道を変換する。 第2部では、潜在行動空間におけるトラジェクトリの強力な表現を学び、これによりクラスタリング関数(例えば$k$means)を適用できる。
  論文  参考訳（メタデータ） (2020-03-03T06:09:15Z)

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。