論文の概要: Visualizing High-Dimensional Graph Embeddings via Informed Multi-View Projections
- arxiv url: http://arxiv.org/abs/2606.31119v1
- Date: Tue, 30 Jun 2026 04:28:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.072961
- Title: Visualizing High-Dimensional Graph Embeddings via Informed Multi-View Projections
- Title（参考訳）: インフォームド多視点投影による高次元グラフ埋め込みの可視化
- Abstract要約: 我々は、エッジクロスのための新しい識別可能なサロゲートによって実現された、審美性とメトリクスの可読性を最適化する2次元視点を探索する。
数値実験により、これらの視点は標準の2次元レイアウトより一貫して優れており、これらの指標を最適化するために明示的に設計された手法を超越することさえできることが示された。
シームレスなナビゲーションを通じて複数の候補視点を探索する対話型システムであるDataFlyを紹介する。
- 参考スコア（独自算出の注目度）: 9.558089416831255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Graphs are commonly visualized in 2D, where humans readily interpret spatial relationships, yet such layouts often distort higher-dimensional structure. We propose to embed graphs in high-dimensional space and search for informative 2D viewpoints that optimize aesthetic and readability metrics (e.g., edge crossings and angular resolution), enabled by a novel differentiable surrogate for edge crossings. Numerical experiments show that these viewpoints consistently outperform standard 2D layouts, and can even surpass methods explicitly designed to optimize these metrics. We further introduce DataFly, an interactive system for exploring multiple candidate viewpoints through seamless navigation. A usability study demonstrates that our approach reveals structural patterns that remain hidden in conventional 2D visualizations.
- Abstract（参考訳）: グラフは、人間が容易に空間的関係を解釈できる2Dで一般的に視覚化されるが、そのようなレイアウトは高次元構造を歪ませることが多い。
本稿では,高次元空間にグラフを埋め込んで,視覚的・可読性の指標(例えば,エッジ交差と角分解能)を最適化する情報的2次元視点を求める。
数値実験により、これらの視点は標準の2次元レイアウトより一貫して優れており、これらの指標を最適化するために明示的に設計された手法を超越することさえできることが示された。
さらに,シームレスなナビゲーションを通じて複数の候補視点を探索するインタラクティブシステムであるDataFlyを紹介する。
ユーザビリティ調査により,従来の2次元可視化に隠された構造パターンが明らかになった。
関連論文リスト
- Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces [116.57196064763924]
我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。
この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。
2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-15T09:14:50Z) - Graph Alignment via Dual-Pass Spectral Encoding and Latent Space Communication [31.43539830271355]
本稿では,ノードの特異性を同時に強化し,潜在空間間の幾何的整合性を実現する新しいグラフアライメントフレームワークを提案する。
提案手法では,低域通過スペクトルフィルタと高域通過スペクトルフィルタを組み合わせたデュアルパスエンコーダを導入し,構造認識と高判別の両方が可能な埋め込みを生成する。
論文 参考訳（メタデータ） (2025-09-11T16:36:16Z) - Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。
パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。
これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
論文 参考訳（メタデータ） (2024-07-01T21:20:44Z) - Pattern or Artifact? Interactively Exploring Embedding Quality with TRACE [10.103826383675646]
TRACEは次元還元技術によって生成された2次元埋め込みの質を分析するツールである。
インタラクティブなブラウザベースのインターフェースにより、ユーザは様々な埋め込みを探索し、ポイントワイドな埋め込み品質を視覚的に評価することができる。
論文 参考訳（メタデータ） (2024-06-18T14:57:31Z) - General Line Coordinates in 3D [2.9465623430708905]
3Dビジュアライゼーションにおける解釈可能なインタラクティブな視覚パターン発見は、機械学習を前進させる有望な方法である。
GLC (3D General Line Coordinates) 可視化空間で行われ、3D内のすべてのn-D情報を保存している。
論文 参考訳（メタデータ） (2024-03-17T17:42:20Z) - Dual-Perspective Knowledge Enrichment for Semi-Supervised 3D Object
Detection [55.210991151015534]
本稿では, DPKE という新しい2次元知識豊か化手法を提案する。
我々のDPKEは、データパースペクティブと機能パースペクティブという2つの観点から、限られたトレーニングデータ、特にラベルなしデータの知識を豊かにしています。
論文 参考訳（メタデータ） (2024-01-10T08:56:07Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - Expansion of Visual Hints for Improved Generalization in Stereo Matching [26.37702321092758]
ステレオマッチングを導くための視覚的ヒント拡張を導入し、一般化を改善する。
我々の研究は、コンピュータビジョンとロボット工学における視覚慣性オドメトリー(VIO)の堅牢性によって動機付けられている。
論文 参考訳（メタデータ） (2022-11-01T11:30:26Z) - UnProjection: Leveraging Inverse-Projections for Visual Analytics of
High-Dimensional Data [63.74032987144699]
提案するNNInvは,プロジェクションやマッピングの逆を近似する深層学習技術である。
NNInvは、2次元投影空間上の任意の点から高次元データを再構成することを学び、ユーザーは視覚分析システムで学習した高次元表現と対話することができる。
論文 参考訳（メタデータ） (2021-11-02T17:11:57Z) - Bidirectional Projection Network for Cross Dimension Scene Understanding [69.29443390126805]
本稿では,2次元および3次元の連立推論のための縦方向投影網(BPNet)をエンドツーエンドに提示する。
emphBPM、補完的な2D、および3D情報は、複数のアーキテクチャレベルで相互に相互作用することができる。
我々のemphBPNetは2次元および3次元セマンティックセマンティックセグメンテーションのためのScanNetV2ベンチマークで最高性能を達成した。
論文 参考訳（メタデータ） (2021-03-26T08:31:39Z)
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。