論文の概要: InsightBoard: An Interactive Multi-Metric Visualization and Fairness Analysis Plugin for TensorBoard
- arxiv url: http://arxiv.org/abs/2604.03323v1
- Date: Thu, 02 Apr 2026 17:35:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.511584
- Title: InsightBoard: An Interactive Multi-Metric Visualization and Fairness Analysis Plugin for TensorBoard
- Title（参考訳）: InsightBoard: TensorBoard用のインタラクティブなマルチメトリック可視化とフェアネス分析プラグイン
- Abstract要約: InsightBoardは,同期型マルチメトリック可視化とサブグループ診断を統合インターフェースで統合するプラグインである。
トレーニング中に公平性診断を利用可能にすることで、InsightBoardは、既存のトレーニングパイプラインを変更したり、追加のデータストアを導入することなく、より詳細なモデルインスペクションをサポートする。
- 参考スコア（独自算出の注目度）: 3.409008933025072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern machine learning systems deployed in safety-critical domains require visibility not only into aggregate performance but also into how training dynamics affect subgroup fairness over time. Existing training dashboards primarily support single-metric monitoring and offer limited support for examining relationships between heterogeneous metrics or diagnosing subgroup disparities during training. We present InsightBoard, an interactive TensorBoard plugin that integrates synchronized multi-metric visualization with slice-based fairness diagnostics in a unified interface. InsightBoard enables practitioners to jointly inspect training dynamics, performance metrics, and subgroup disparities through linked multi-view plots, correlation analysis, and standard group fairness indicators computed over user-defined slices. Through case studies with YOLOX on the BDD100k dataset, we demonstrate that models achieving strong aggregate performance can still exhibit substantial demographic and environmental disparities that remain hidden under conventional monitoring. By making fairness diagnostics available during training, InsightBoard supports earlier, more informed model inspection without modifying existing training pipelines or introducing additional data stores.
- Abstract（参考訳）: 安全クリティカルなドメインにデプロイされた現代の機械学習システムは、集約パフォーマンスだけでなく、トレーニングのダイナミクスが時間の経過とともにサブグループフェアネスにどのように影響するかについても可視性を必要とする。
既存のトレーニングダッシュボードは、主にシングルメトリックモニタリングをサポートし、不均一なメトリクス間の関係を調べたり、トレーニング中にサブグループの格差を診断するための限定的なサポートを提供する。
本稿では,対話型TensorBoardプラグインであるInsightBoardについて紹介する。
InsightBoardは、ユーザ定義スライス上で計算されたマルチビュープロット、相関分析、標準グループフェアネスインジケータを通じて、トレーニングダイナミクス、パフォーマンスメトリクス、サブグループ格差を共同で検査することを可能にする。
BDD100kデータセット上のYOLOXを用いたケーススタディを通じて、強力な集約性能を達成するモデルが、従来型の監視下で隠されたままのかなりの人口動態と環境格差を示すことを示した。
トレーニング中に公平性診断を利用可能にすることで、InsightBoardは、既存のトレーニングパイプラインを変更したり、追加のデータストアを導入することなく、より詳細なモデルインスペクションをサポートする。
関連論文リスト
- Beyond Independence: Learning Correlated Views for Variational Incomplete Multi-View Clustering [15.204251218204542]
不完全なマルチビュークラスタリング(IMVC)は、部分的に観察されたビューを持つデータから共有クラスタ構造を明らかにすることを目的としている。
本稿では、学習可能なクロスビュー相関構造を導入することにより、この仮定を明示的に超越した変分フレームワークを提案する。
提案手法は多種多様なビュー設定における最先端のアプローチを一貫して上回る。
論文 参考訳（メタデータ） (2026-08-16T14:16:24Z) - Cross-modal Affinity-aligned Multimodal Learning Analytics for Predicting Student Collaboration Satisfaction in Game-Based Learning [3.37216674402797]
教育展開において、目視などの個々のモダリティは、学生コホート間で一貫性のない情報性を示す。
Affinity-Aligned Multimodal Learning Analytics フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-16T04:22:47Z) - VISTA: Video Interaction Spatio-Temporal Analysis Benchmark [47.42490151556478]
視覚言語モデル(VLM)におけるオープンセット・マルチアクション時間的理解のためのベンチマークであるVISTAを紹介する。
我々のベンチマークでは、複数のデータセットを単一のインタラクション対応ベンチマークに統合し、12Kのキュレートされたビデオペアで構成されています。
全体として、VISTAはVLMにおける時間的理解のための、最初の大規模かつ対話対応の診断ベンチマークである。
論文 参考訳（メタデータ） (2026-05-02T11:28:20Z) - CLIP-Guided Adaptable Self-Supervised Learning for Human-Centric Visual Tasks [76.00315860962885]
CLASP (CLIP-guided Adaptable Self-su Pervised Learning) は、人中心視覚タスクにおける教師なし事前学習のための新しいフレームワークである。
CLASPは強力な視覚言語モデルCLIPを利用して、低レベル(体の部分など)と高レベル(属性など)のセマンティックな擬似ラベルを生成する。
MoEはタスク固有のプロンプトに基づいて機能抽出を動的に適応し、潜在的な機能競合を緩和し、転送可能性を高める。
論文 参考訳（メタデータ） (2026-01-19T15:19:28Z) - Real-Time Multimodal Data Collection Using Smartwatches and Its Visualization in Education [0.0]
本稿では、Fitbit Sense 2スマートウォッチのデータ取得アプリケーションであるWatch-DMLTと、プレゼンテーション中に収集した同期マルチモーダルデータを分析するダッシュボードベースの可視化システムであるViSeDOPSを提案する。
本稿では,65名の生徒と16名のスマートウォッチを対象とする教室で,心拍,運動,視線,ビデオ,コンテキストアノテーションなどのデータストリームを収集,分析し,提案システムの有効性と実用性を実証し,より微細でスケーラブルで解釈可能なマルチモーダル・ラーニング・アナリティクスを現実の学習環境で支援する。
論文 参考訳（メタデータ） (2025-12-02T11:12:46Z) - Unleashing the Power of Vision-Language Models for Long-Tailed Multi-Label Visual Recognition [55.189113121465816]
本稿では,長い尾を持つ多ラベル視覚認識のための新しい相関適応プロンプトネットワーク(CAPNET)を提案する。
CAPNETはCLIPのテキストエンコーダからの相関を明示的にモデル化する。
テスト時間アンサンブルによる一般化を改善し、視覚・テクスチャのモダリティを実現する。
論文 参考訳（メタデータ） (2025-11-25T18:57:28Z) - View-aware Cross-modal Distillation for Multi-view Action Recognition [7.312418283882337]
完全教師付きマルチモーダル教師からモダリティとアノテーションに制限された学生へ知識を抽出するために,ビューアウェアなクロスモーダル知識蒸留(ViCoKD)を提案する。
ViCoKDは、クロスモーダルな注意を持つクロスモーダルなアダプタを採用しており、学生は不完全なモーダルで操作しながらマルチモーダルな相関を利用することができる。
また,ビューアウェア・コンシステンシー・モジュールを提案する。ビューアウェア・コンシステンシー・モジュールはビューアライメントのミスアライメントに対処する。
論文 参考訳（メタデータ） (2025-11-17T02:00:22Z) - VLSlice: Interactive Vision-and-Language Slice Discovery [17.8634551024147]
VLSliceは、一貫した視覚言語行動を伴うコヒーレントな表現レベルサブグループの発見を可能にする対話型システムである。
VLSliceは,ユーザの学習において多種多様な高一貫性スライスを迅速に生成し,ツールを一般公開することを可能にする。
論文 参考訳（メタデータ） (2023-09-13T04:02:38Z) - Self-aware and Cross-sample Prototypical Learning for Semi-supervised
Medical Image Segmentation [10.18427897663732]
整合性学習は半教師付き医療画像セグメンテーションにおいて重要な役割を担っている。
これにより、注釈なしデータの豊富さを生かしながら、限られた注釈付きデータの有効利用が可能になる。
一貫性学習における予測の多様性を高めるために,自己認識型・クロスサンプル型学習法(SCP-Net)を提案する。
論文 参考訳（メタデータ） (2023-05-25T16:22:04Z) - Continual Vision-Language Representation Learning with Off-Diagonal
Information [112.39419069447902]
CLIPのようなマルチモーダルなコントラスト学習フレームワークは通常、トレーニングに大量の画像テキストサンプルを必要とする。
本稿では,ストリーミングデータを用いた連続CLIPトレーニングの実現可能性について論じる。
論文 参考訳（メタデータ） (2023-05-11T08:04:46Z) - Visual Auditor: Interactive Visualization for Detection and
Summarization of Model Biases [18.434430375939755]
機械学習(ML)システムがますます普及するにつれて、これらのシステムをデプロイ前にバイアスとして監査する必要がある。
近年の研究では、データのサブセット(またはスライス)を解釈可能で過小評価する形で、交差点バイアスを効果的に識別するアルゴリズムが開発されている。
モデルバイアスを監査・要約するための対話型可視化ツールであるVisual Auditorを提案する。
論文 参考訳（メタデータ） (2022-06-25T02:48:27Z) - Dense Contrastive Visual-Linguistic Pretraining [53.61233531733243]
画像とテキストを共同で表現するマルチモーダル表現学習手法が提案されている。
これらの手法は,大規模マルチモーダル事前学習から高レベルな意味情報を取得することにより,優れた性能を実現する。
そこで本稿では,非バイアスのDense Contrastive Visual-Linguistic Pretrainingを提案する。
論文 参考訳（メタデータ） (2021-09-24T07:20:13Z) - A Variational Information Bottleneck Approach to Multi-Omics Data
Integration [98.6475134630792]
本稿では,不完全な多視点観測のための深い変動情報ボトルネック (IB) 手法を提案する。
本手法は,対象物に関連のある視点内および視点間相互作用に焦点をあてるために,観測された視点の辺縁および結合表現にISBフレームワークを適用した。
実世界のデータセットの実験から、我々の手法はデータ統合から常に利益を得て、最先端のベンチマークより優れています。
論文 参考訳（メタデータ） (2021-02-05T06:05:39Z) - DiVA: Diverse Visual Feature Aggregation for Deep Metric Learning [83.48587570246231]
視覚的類似性は多くのコンピュータビジョンアプリケーションにおいて重要な役割を果たす。
ディープ・メトリック・ラーニング(DML)は、そのような類似性を学ぶための強力なフレームワークである。
我々は,概念的に異なるデータ関係を対象とする複数の補完学習タスクを提案し,研究する。
我々は、訓練信号を集約する単一モデルを学び、その結果、強力な一般化と最先端のパフォーマンスが得られる。
論文 参考訳（メタデータ） (2020-04-28T12:26:50Z)
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。