抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
膨大な量の(訓練)データのアベイラビリティは,人工知能(AI)の多くの最近の進歩の最も重要な要因の1つであることが一般に認められている。しかし,データセットは,狭いAIサブ領域における特定のタスクのためにしばしば設計され,それらを管理し,アクセスするための統一的な方法がない。これは,機械学習モデルを訓練または展開するとき,不必要なオーバヘッドを作り出すだけでなく,データの理解を制限し,それはデータ中心AIにとって非常に重要である。本論文では,異なるデータセットに対する統一フレームワークに関するビジョンを提示し,例えば,標準クエリ言語を用いて,容易に統合および質問できる。コンピュータビジョンにおけるデータセットのフレームワークを作成し,異なるシナリオにおいてその利点を示すため,この進行中の研究で実証した。著者らの実証はhttps://vision.semkg.orgで利用可能である。【JST・京大機械翻訳】