論文の概要: DODA: A Database of Datasets for Aesthetics Research
- arxiv url: http://arxiv.org/abs/2608.00089v1
- Date: Thu, 30 Jul 2026 09:47:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.402008
- Title: DODA: A Database of Datasets for Aesthetics Research
- Title（参考訳）: DODA:美学研究のためのデータセットデータベース
- Authors: Lisa Koßmann, Ralf Bartho, Christoph Redies, Johan Wagemans,
- Abstract要約: 本稿では,審美学研究のための重要なデータセットを研究者が閲覧できる直感的なWebアプリケーションである,審美学のためのデータセットデータベース(DODA)について紹介する。
DODAはこれらのデータセットに関する一般的な情報(サイズ、解像度、アノテーションの種類、アノテータの数など)を提供する。
我々のアプローチは、経験的および計算的美学の分野におけるコラボレーションを促進する。
- 参考スコア（独自算出の注目度）: 2.366579027947353
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: With rapid growth in the fields of empirical and computational aesthetics we have seen a vast increase in large image datasets annotated for aesthetics. As the image databases differ widely in many respects (e.g., different standards for annotation), it can be tedious to find the dataset that fits one's research needs best. The absence of a centralized open-science search system causes additional problems. Currently, researchers typically share dataset links in papers or on diverse platforms like OSF, GitHub or Dropbox. Manually searching for details like image quality and content often requires downloading all datasets. Therefore, we present the Database Of Datasets for Aesthetics (DODA), an intuitive Web application in which researchers can browse all important datasets for aesthetics research. DODA provides general information about these datasets (size, resolution, type of annotation, number of annotators, etc.) and for many of them also precomputed quantitative image properties. We discuss relevant criteria for selecting a suitable dataset with DODA and illustrate the benefits of reusing datasets. Our approach facilitates collaboration across the fields of empirical and computational aesthetics. Keywords: empirical aesthetics, computational aesthetics, machine learning, image annotation, quantitative image properties, Open Science
- Abstract（参考訳）: 経験的および計算的美学の分野での急速な成長に伴い、私たちは、美学に注釈を付けた大きな画像データセットが大幅に増加した。
画像データベースは多くの点で異なる(例えばアノテーションの標準が異なる)ので、研究に最も適したデータセットを見つけるのは面倒です。
中央集権的なオープンサイエンスサーチシステムが存在しないことは、さらなる問題を引き起こす。
現在、研究者は通常、論文やOSF、GitHub、Dropboxなどのさまざまなプラットフォームでデータセットリンクを共有している。
画像の品質やコンテンツなどの詳細を手作業で検索するには、すべてのデータセットをダウンロードする必要があることが多い。
そこで本研究では,美学研究のための重要なデータセットを研究者が閲覧することのできる,直感的なWebアプリケーションであるDODA(Data of Datasets for Aesthetics)を提案する。
DODAはこれらのデータセットに関する一般的な情報(サイズ、解像度、アノテーションの種類、アノテータの数など)を提供する。
本稿では、適切なデータセットをDODAで選択するための関連する基準について論じ、データセットの再利用の利点を説明する。
我々のアプローチは、経験的および計算的美学の分野におけるコラボレーションを促進する。
キーワード:経験的美学、計算的美学、機械学習、画像アノテーション、定量的画像特性、オープンサイエンス
関連論文リスト
- Eye-Tracking-while-Reading: A Living Survey of Datasets with Open Library Support [5.162965495020878]
視線追跡時コーパスは多くの異なる分野において貴重な資源である。
既存のデータセットに関して、透明性と明確性の向上を目指しています。
論文 参考訳（メタデータ） (2026-02-23T08:40:50Z) - Object Recognition Datasets and Challenges: A Review [5.638005500131518]
本研究では,高度に調査された物体認識領域におけるデータセットの詳細な分析を行う。
本稿では,代表的なオブジェクト認識ベンチマークとコンペティションの概要を紹介する。
導入されたデータセットと課題はすべて、.com/AbtinDjavadifar/ORDCでオンラインで見ることができる。
論文 参考訳（メタデータ） (2025-07-30T03:56:37Z) - In the Picture: Medical Imaging Datasets, Artifacts, and their Living Review [18.178774133733686]
本稿では,複数の医用画像アプリケーションにまたがる公開データセットとその関連研究成果を継続的に追跡するリビングレビューを提案する。
医用画像データセットの作成に関する重要な考察、データアノテーションのベストプラクティスの見直し、ショートカットの重要性と人口分布の多様性について議論し、ライフサイクル全体を通してデータセットを管理することの重要性を強調する。
論文 参考訳（メタデータ） (2025-01-18T11:03:59Z) - Knowledge Graphs: The Future of Data Integration and Insightful Discovery [0.0]
知識グラフはポイントをリンクすることでデータを整理し、研究者は多様な情報ソースを単一のデータベースにまとめることができる。
構造化されていないデータソースに固有の複雑な関係を捉え、多様なエンティティのセマンティックなフレームワークを提供する。
知識グラフを開発するための戦略としては、シードデータの使用、名前付きエンティティ認識、関係抽出などがある。
論文 参考訳（メタデータ） (2024-12-17T19:49:33Z) - SciMMIR: Benchmarking Scientific Multi-modal Information Retrieval [64.03631654052445]
科学領域内の画像テキストペアリングにおけるMMIR性能を評価するための最新のベンチマークは、顕著なギャップを示している。
オープンアクセス用紙コレクションを利用した特殊な科学的MMIRベンチマークを開発する。
このベンチマークは、科学的文書に詳細なキャプションのある数字や表から抽出された、530Kの精巧にキュレートされた画像テキストペアからなる。
論文 参考訳（メタデータ） (2024-01-24T14:23:12Z) - Predicting beauty, liking, and aesthetic quality: A comparative analysis
of image databases for visual aesthetics research [0.0]
対象認識のために開発された畳み込みニューラルネットワークの層を, (A) 先行研究された20の統計画像特性の集合を用いて, 連続して評価を予測できるかを検討する。
以上の結果から,各データセットにおける審美評価の予測可能性に有意な変化が認められた。
意外なことに、統計的画像特性と畳み込みニューラルネットワークは、類似した精度で美的評価を予測し、この2つの手法が捉えた画像情報の顕著な重複を浮き彫りにした。
論文 参考訳（メタデータ） (2023-07-03T13:03:17Z) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - A Survey on RGB-D Datasets [69.73803123972297]
本稿では,深度情報を含む画像データセットをレビューし,分類した。
アクセス可能なデータを含む203のデータセットを収集し、それらをシーン/オブジェクト、ボディ、医療の3つのカテゴリに分類しました。
論文 参考訳（メタデータ） (2022-01-15T05:35:19Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z)
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。