論文の概要: Semantic Segmentation of Node and Edge Diagrams for Assistive Technology

• arxiv url: http://arxiv.org/abs/2606.11320v1
• Date: Tue, 09 Jun 2026 18:02:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.12509
• Title: Semantic Segmentation of Node and Edge Diagrams for Assistive Technology
• Title（参考訳）: 補助技術のためのノード図とエッジ図のセマンティックセグメンテーション
• Authors: Michael Cormier, Yichun Zhao, Laura Paul, Cameron Swift, Duc Tri Dang, Miguel Nacenta,
• Abstract要約: ノードリンク図は、数学グラフ、概念間の関係、フローチャートを表現するためによく使われる。 これらのダイアグラムは非視覚的にアクセスすることは困難であり、いくつかの補助インターフェイスはノードリンクダイアグラム用に設計されているが、ダイアグラムの機械可読表現に依存している一方、そのようなダイアグラムは一般的にビットマップ画像として利用できる。 当社のコンパクトディープラーニングモデルは,ノードリンク図の大規模な合成データセット上で,優れた定量的・定性的な性能を示し,画素あたりの精度が93%以上に達した。
• 参考スコア（独自算出の注目度）: 1.4274865838946615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a novel set of related models for semantic segmentation of node-link diagrams. These diagrams are frequently used to represent mathematical graphs, relationships between concepts, and flowcharts. Such diagrams are difficult to access non-visually; while some assistive interfaces have been designed for node-link diagrams, they rely upon a machine-readable representation of the diagram, whereas such diagrams will generally be made available as bitmap images. Our compact deep learning models show excellent quantitative and qualitative performance on a large synthetic dataset of node-link diagrams, reaching per-pixel accuracy over 93\%.
• Abstract（参考訳）: 本稿では,ノードリンク図のセマンティックセグメンテーションのための新しいモデルセットを提案する。 これらの図は、数学グラフ、概念間の関係、フローチャートを表現するために頻繁に使用される。 このようなダイアグラムは非視覚的にアクセスすることは困難であり、いくつかの補助インターフェイスはノードリンクダイアグラム用に設計されているが、ダイアグラムの機械可読表現に依存している。 当社の小型ディープラーニングモデルでは,ノードリンク図の大規模合成データセット上での定量的および定性的な性能は良好であり,画素あたりの精度は93%以上である。

関連論文リスト

• SketchAgent: Generating Structured Diagrams from Hand-Drawn Sketches [54.06877048295693]
  SketchAgentは手描きスケッチの構造化図への変換を自動化するシステムである。 SketchAgentは、スケッチ認識、シンボリック推論、反復検証を統合し、セマンティックコヒーレントで構造的に正確な図を生成する。 ダイアグラム生成プロセスの合理化によって、SketchAgentはデザイン、教育、エンジニアリングの分野で大きな可能性を秘めています。
  論文  参考訳（メタデータ） (2025-08-02T07:22:51Z)
• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
  本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。 提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。 第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
  論文  参考訳（メタデータ） (2022-12-01T11:49:07Z)
• Graph Auto-Encoders for Network Completion [6.1074304332419675]
  本稿では,ネットワークの観測部分から学習した接続パターンを用いてグラフ全体を完成させるモデルを提案する。 提案モデルでは,少ない情報で競合性能を達成できた。
  論文  参考訳（メタデータ） (2022-04-25T05:24:45Z)
• Edge but not Least: Cross-View Graph Pooling [76.71497833616024]
  本稿では,重要なグラフ構造情報を活用するために,クロスビューグラフプーリング(Co-Pooling)手法を提案する。 クロスビュー相互作用、エッジビュープーリング、ノードビュープーリングにより、相互にシームレスに強化され、より情報的なグラフレベルの表現が学習される。
  論文  参考訳（メタデータ） (2021-09-24T08:01:23Z)
• Self-Supervised Graph Learning with Proximity-based Views and Channel Contrast [4.761137180081091]
  グラフニューラルネットワーク(GNN)は、近傍の集約をコアコンポーネントとして使用し、近接ノード間の機能を滑らかにする。 この問題に対処するため、我々は2つのグラフビューでグラフを強化し、ノードは最も類似した特徴や局所構造を持つものと直接リンクする。 生成したビューと元のグラフをまたいだ表現の一致を最大化する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T15:38:36Z)
• A Robust and Generalized Framework for Adversarial Graph Embedding [73.37228022428663]
  本稿では,AGE という逆グラフ埋め込みのための頑健なフレームワークを提案する。 AGEは、暗黙の分布から強化された負のサンプルとして偽の隣接ノードを生成する。 本フレームワークでは,3種類のグラフデータを扱う3つのモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-22T07:05:48Z)
• Edge-Featured Graph Attention Network [7.0629162428807115]
  エッジ機能付きグラフアテンションネットワーク(EGAT)を提案し、グラフニューラルネットワークの利用をノードとエッジの両方の特徴を持つグラフ上で学習するタスクに拡張する。 モデル構造と学習プロセスを改革することにより、新しいモデルはノードとエッジの機能を入力として受け入れ、エッジ情報を機能表現に組み込むことができ、ノードとエッジの機能を並列かつ相互に反復することができる。
  論文  参考訳（メタデータ） (2021-01-19T15:08:12Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• Signed Graph Diffusion Network [17.20546861491478]
  サイン付きソーシャルグラフが与えられたら、適切なノード表現を学習して、エッジの欠落の兆候を推測するにはどうすればよいのか? 署名ソーシャルグラフにおけるリンクサイン予測のためのエンドツーエンドノード表現学習を実現する新しいグラフニューラルネットワークであるSigned Graph Diffusion Network(SGDNet)を提案する。
  論文  参考訳（メタデータ） (2020-12-28T11:08:30Z)
• Homology-Preserving Multi-Scale Graph Skeletonization Using Mapper on Graphs [5.86893539706548]
  本稿では、トポロジカルデータ解析の一般的なツールであるmapper構築をグラフ視覚化に適用することを提案する。 我々は,グラフのホモロジー保存骨格を生成するモグ (mog) と呼ばれる,重み付けされた非方向グラフを対象とするマッパー構成のバリエーションを開発する。 我々は,このような骨格のインタラクティブな探索を可能にするソフトウェアツールを提供し,本手法の合成および実世界のデータに対する有効性を実証する。
  論文  参考訳（メタデータ） (2018-04-03T19:18:36Z)

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。