seitaroshinagawa / miru2018wakate_hci_survey Goto Github PK
View Code? Open in Web Editor NEWMIRU2018 wakate program, human computer interaction papers survey
MIRU2018 wakate program, human computer interaction papers survey
画像からテーマカラーを選ぶ手法の提案、回帰モデルを使う。
ビデオを撮影しながらアノテーションできるシステムの提案
画像データセットの手動ラベリングについての提案
過去24年のCHI論文をサーベイして評価方法の動向を分析した論文
本稿では、過去24年におけるCHI論文の評価手法の動向を分析する。 評価手法を種類別に分けて傾向を追跡した。 結果では、評価を含む論文の割合の増加と、定量的研究における被験者の**値の減少を含む。 また、被験者の種類、特に学生への過度の依存、および適切な性別のバランスがとれてないことを批判する。本稿ではこうした発見を、歴史的なトレンドが「実験室の技術的なエリート向けのコンピュータ」から、「一般人の日常生活に組み込まれているコンピュータ」に移行しているという文脈に載せる。
キーワード:Evaluation, Qualitative, Quantitative, History, Gender, User Experience, Meta-HCI
24年のCHIにわたってpractitionersとacademicsがどのような評価技術を使ってきたのかをまとめ傾向を分析した。
リサーチクエスチョン:
CHI論文をすべて見るのではなく選択した年のCHIのサブセットを分析した。
システム、アルゴリズム、アプリケーションや、厳しくない意見ベースの評価(「do you like it」的な)、理論、サーベイ、新しいユーザビリティやデザイン技術の提供、ユーザの振る舞いのモデル化、デザインプロセスを含む)
上記の類型化に従って各論文の貢献度、被験者の数と種類を索引付けした。
著者は同僚の手を借りたが、最終的にすべての索引付けは第一著者によってレビューされた。
論文を評価のあるなしで分類(ある場合はさらに分類)した結果は以下の図2のようになった。
※ただしこの図はサーベイ論文や評価手法自体に関する論文を含まない。
analytical evaluationはCHIにおいても広まっていない。どの年も論文は3本しか見つからなかった。
ログデータの分析またはグラフィカルインターフェースのGOMS分析だった。
評価方法が主要な貢献である論文は1983年の14本から2006年の0本まで線形に減少していた。
最も多いのは経験的(定性的、定量的)な評価だった。
この経験的評価をさらに詳細に分類したのが↓
純粋な質的研究は2000年には減少したが、2006年には再び増加し緊急サービス[23]や日常的なゲームプレイ[2]のような新しい分野についての論文が増えた。
定量的評価を定性的評価で補うという位置づけ
例えば、SalvucciとAndersonは、視線に基づいたインタフェースを評価するのに参加者が何回タスクを正しく実行したか、どのくらい時間がかかったかを測定することで定量的評価を行い、その後参加者の経験や使用戦略を非公式にインタビューすることで定性的評価を行った[34]
この傾向は年々増加しているが、その割合は停滞している。
実際、1983年にはブレンドされた研究が27%で最も大きかったが、2000年と2006年の両方でブレンドされた研究はわずか17%だった。 著者らは評価方法論の潜在的な弱点としてこれに注意を向け、ディスカッションでこの知見に戻ることを望んでいる。
図4をみると、定量的評価に使う被験者の**値は減少傾向にあり、定性的評価では増加傾向にある。
初期の研究では50~100人の被験者が頻繁に採用され、2006年には20人以下の被験者の実験が一般的だった。
1つの可能な解釈は2タイプ(定性的、定量的)の研究がお互いに集まっているという可能性である。
ただし、質的データを用いた定量的評価の割合は依然として極めて低い。
これは支持的な定量的評価をしなければいけないという圧力が高まっているからという可能性もある。
一方質的評価はいくつかの重要な情報提供者の詳細な調査からより大きな人口の調査に移行している。
潜在的な原因はより統計的な評価を志向するようにとの圧力が研究者間でかかってることだが、これらの傾向は民族誌的または事例研究アプローチを脅かしている。
伝統的な心理学の多くの実験では、学生を主な人口として使用することがよくある。
心理学者は、学生がまだ若く、教育課程にあるにもかかわらず、学生が多くの研究(視覚的知覚、記憶の初歩的理解など)で実際に人口を代表して被験者となっているという事実によってこれを正当化している。
学生は初年度で事前のコンピューティング経験がなければ初心者ユーザとして参加できるし、多くのアプリケーションが多様な人々を対象としているので初心者から専門化までを学生でカバーすることは可能だが、学生はそもそも教育の場面にあり新しいことを学ぶことに慣れているため、学ぶ能力の面で珍しいものになっている。
「典型的な」ユーザーとはこのように大きく異なっているにもかかわらず、サンプルの半分の研究では、学部生または大学院生のいずれかを使用して実験を行っている。
ただしこの傾向には2種類の例外について注意する必要がある。
ただし、参加者に関する一般的な情報を指定するのが一般的になってからも、主に学生に頼っている論文はあった。2000年では57%だったが2006年には48%に減少した。
参加者のタイプ(年齢、性別など)の議論の増加は評価プロセスのオープンさの増加を示しているが、学生参加者の割合が不当に高いという課題がある。
学生は研究者にとって大きなリソースだが、一般の人口を代表するものではなく、若者であることや、素早い学習者であり、多くの場合コンピュータや技術に関する経験が豊富であることに留意する必要がある。
図5は被験者の性別の年ごとの変化
2006年の経験的定量研究の25%は女性の割合が許容できないほど低い
以上の理由から評価がない(主に昔の論文)よりも現在の経験的研究を高く評価できるという明確な根拠は得られない。
コミュニティ内の信頼性を得るために主流の評価方法に依存する可能性が高い。
CHIでの評価に重点を置くと、分析的評価がほとんど含まれていないことは驚くべきことである。
これらのアプローチは、参加者の中立的な発言とは対照的に、専門家の意見を尊重する必要がある。
潜在的な弱点は、専門家の意見がバイアスの可能性もつという点。
CHIが分析的評価を含むことはめったにないということから、分析的評価はあまり有効ではないアプローチと見なれている。
このアプローチをとらないことによって、妥当性に関して提起された質問に回答することを回避しているように思えるのが懸念される点である。
潜在的なユーザーと評価するのは、大量のログを分析するか、さらに別の新しいユーザーインターフェイスでヒューリスティック評価分析を実行するよりも面白いだろう。その結果分析的評価は常にCHIにおいて少数である可能性が高いが評価方法の多様性に貢献する。
対して産業界では依然としてHeuristic EvaluationやCognitive Walkthroughのような分析的評価が重視されている。これは必ずしも科学的でないビジネス上の要求にこたえるためでもあると考えられる。
以下のような最近のHCI評価の重要な転換に論じる研究がある:
定量的評価は「勝者」として長らく検証のためのツールとして用いられてきたが、それだけで終わらずに質的評価研究が増加傾向にあることに著者らは肯定的である。
質的評価は状況(ユースケース?)に応じたユーザへの適合性を提示するのに役立つ。
定量的評価は特定の一連の問題にしか対応できないので、定性的評価と合わせて評価する必要がある。
経験的評価で使用される被験者の数の変化は興味深いが、おそらく評価の質の改善または低下よりもむしろ評価の変化を示している。
しかし、むしろ少ない被験者で新しい技術が他のものより優れていると主張することを一般化することは難しくなる。
定性的研究は同程度まで一般化する必要がないので被験者の買うを減らすことが可能。
しかしながら、数の増加が必ずしも研究の妥当性を担保するとは限らない。実際定量的、定性的研究において、学生かつ男性の参加者が過度に大半を占めていたからである。これらを考慮するした実験デザインを行う必要がある。
24年間にわたるHCI評価を反映して我々は一連の技術がどのように進化してきたのかを認識し、新しい技術に対応してこれを継続していくことになる。評価方法の分析では、科学者のコミュニティ(定量評価重視)か産業界のコミュニティ(定性評価重視)なのかによって重視される傾向が違うということを発見した。
若い分野は受け入れられる方法のコンセンサスが高まっていることからより科学的な方法による評価が好まれる。
高機能自閉症患者と共同でのシリアスゲーム開発
name | affiliation |
---|---|
Jia Deng | University of Michigan & Stanford University, Ann Arbor, MI, USA |
Olga Russakovsky | Stanford University, Palo Alto, CA, USA |
Jonathan Krause | Stanford University, Palo Alto, CA, USA |
Michael S. Bernstein | Stanford University, Palo Alto, CA, USA |
Alex Berg | UNC Chapel Hill, Chapel Hill, NC, USA |
Li Fei-Fei | Stanford University, Palo Alto, CA, USA |
大規模画像データセットにもスケールする手動アノテーション方法の提案
1つの画像に複数のラベルをつける人手のアノテーションにおいて効率的な手法を提案。
correlaion(相関)、hierarchy(階層性)、sparsity of the label distribution(ラベル分布のスパース性)を重視。
ケーススタディとして2万画像を使った200物体ラベル付与の実験を行い、有効性を検証。
結果としてナイーブなベースラインと比較して6倍のhuman computation time(作業時間)の削減を実現した。
大規模画像データに対してもスケールするところ
「テーブル」が出てきたら「椅子」がよく一緒に出てくるように、ある画像に出現する物体には相関がある。この点を考慮してユーザに投げるクエリをグループ的な概念(例えばこの場合は「家具」)で提示できればもしabsenceとアノテーションした場合テーブルも椅子もないと効率的にアノテーションできる。
グループ化した概念には階層性が仮定できる。また人間は意味的な概念を階層的に構成して、すぐ上位概念に効率的に分類できる[17] (例えば、「動物の個体を分類する」のと「動物がいるかいないか」は同じスピードで判断できる)。
[17] Thorpe, S., Fize, D., Marlot, C., et al. Speed of processing in the human visual system. nature 381, 6582
(1996), 520–522.
1つの画像は用意される数万カテゴリのうちせいぜい十数種類の物体しか含んでいないので得られるラベルセットはスパースになる。スパース性をうまく応用できれば、線形スケールの計算コストを対数スケールに削減することができる。
U(Q)=E[|y|_1], Qはクエリでラベルは最初0:unknownで-1:no,1:yesで与えられるのでyの平均Utilityとして与えられる。
実際には、
n枚の画像、sを関心のあるカテゴリの物体の数(例:"animal", クエリQは"is there an animal present.")
n枚のうちn^-枚にはカテゴリ(動物)に該当する物体がないとすると、Qがnoの時はsの新しいラベルが得られる(全部no)、一方yesの時はs種類の動物のうちどの動物がいるかunknownになる。このときU(Q)=sn^-/n
ちなみに、low-levelのクエリ(例:"is there a cat present.")のUtilityは常に1(あるラベルについて必ず1か-1の値が代入されるから)
Cost C(Q)は1つのアイテム(クエリ?)に対して信頼できる回答を得るのにかかる人間の作業時間を表す。
クエリの選択ではクエリの階層性を仮定して次のように計算できる
ウェブサイトの色、構成がユーザに与える印象を調査
クラウドソーシング論文 複数のmicrotask (短時間のアノテーションタスク) をワーカーが行ったときのタスク間の相関が強いことを発見しそれを有効に活用する方法を提案
microtask(5分以下で終わる小タスク)のプラットフォームは人間の研究やgold-standardデータをとったり大規模データのアノテーションに使われたりして普及してきているが。研究の焦点はいかにして高品質のアノテーションを得るかということであり、本論文ではほぼすべてのクラウドソーシングのタスクに共通して作業車に深刻な影響を与える一見平凡な特徴を特定する。
micro taskは通常共通のフォーマットを共有する一連のタスクから成る。標準的なマイクロタスクのフォーマットである画像へのラベル付けタスクにおいて、早期のタスクが後のタスクに強い影響を与え、未来のresponseの分布を30%-50%(total validation distance)もシフトさせる。
事前のタスクは作業者が焦点をあてる内容に影響を与え、同様に応答の豊富さや特殊化に影響を与える。この現象をintertask effects(タスク間効果)と呼ぶことにする。
論文ではintertassk effectsとframingを比較する。このとき、タスク依頼者の研究の興味関心による影響を考慮し、intertask effectsが同等もしくはより強いことを確認する。uncontrolledな条件下ではintertask effectsはsystematic biasの元になる可能性があるが、本論文の結果が示唆するのは、適切なタスク設計によって作業者の焦点と鋭敏さを増強し再現性のある専門家レベルの判断を導くt助けになる。intertask effectsはhuman computationにおいてどのクラウドソーシング研究においても考慮すべき重要な側面である。
タスクインタフェースの設計[14]、ワークフローの設計(作業をタスクに分割する方法)[24,17,25]、タスクのフレーム化 [23、7、33]など、マイクロタスクの信頼性に影響する要因が調査されてきた。対して本研究では見過ごされやすいマイクロタスクの特徴:作業者が多くの似たタスクを素早く連続して行う傾向にある点に注目している。
※この傾向の原因として、新しいタスクに取り組む際に認知的な負荷がかかる点[1]と
次の仕事の選択で賃金や労力などの要素を測り直さねばならない点が指摘されている。
※連続してタスクを行う際、プライミング効果によって後のタスクが前のタスクの影響を受ける。
本論文の目的は、単純に前タスクと後タスクのaccuracyへの影響を調査するというのでなく、どの前タスクが後タスクに影響を与えるかを測る一般的な指標を提供することにある。
[14] A. Finnerty, P. Kucherbaev, S. Tranquillini, and G. Convertino. 2013. Keep it simple: Reward and task
design in crowdsourcing. In ACM International Conference Proceeding Series.
[24] A. Kittur, B. Smus, S. Khamkar, and R.E. Kraut. 2011. Crowdforge: Crowdsourcing complex work. In
Proceedings of the 24th annual ACM symposium on User interface software and technology. ACM, 43–52.
[17] E. Huang, H. Zhang, D.C. Parkes, K.Z. Gajos, and Y. Chen. 2010. Toward automatic task design: A progress report. In Workshop Proceedings - Human Computation Workshop 2010, HCOMP2010. 77–85.
[25] W.S. Lasecki, J.M. Rzeszotarski, A. Marcus, and J.P. Bigham. 2015. The Effects of Sequence and Delay on Crowd Work. CHI – Human Factors in Computing Systems (2015).
[23] P. Kinnaird, L. Dabbish, and S. Kiesler. 2012. Workflow transparency in a microtask marketplace. In Proceedings of the ACM 2012 International Conference on Support Group Work. 281–284
[7] Dana Chandler and Adam Kapelner. 2013. Breaking monotony with meaning: Motivation in crowdsourcing markets. Journal of Economic Behavior & Organization 90 (2013), 123–133.
[33] P.H. Thibodeau and L. Boroditsky. 2013. Natural language metaphors covertly influence reasoning. PloS one 8, 1 (2013), e52961.
[1] P.D. Adamczyk and B.P. Bailey. 2004. If not now, when?: The effects of interruption at different moments within task execution. In Conference on Human Factors in Computing Systems - Proceedings. 271–278.
手法というか研究方針
実験では作業者は一連の画像にひとつずつラベル付けを行う。最初の5タスクは別の画像を使い、後の5タスクは同じ画像を使う。例えば、1つの実験ではある作業者グループはfoodを含む画像5枚を提示され、もう一方のグループは(foodを含まない)物体の画像5枚を提示される。後の5画像は両方のグループに対してfoodと(non-food) object両方が含まれた画像が提示される。
作業者の反応は前のタスクの影響を強く受ける(合計のvariational distanceが50%にもなる)
論文ではWordNetの知識ベースを用いて作業者の単語選択を分析しこの影響の性質を特定する。
※類似した一連の画像にラベルをつけると作業者の反応がより特殊化し、多様化することを示す。前の作業は局所的な焦点を移動させて画像の様々な側面に焦点を当てることができる。
他の比較点として、framing(フレーミング)の実験(タスクの目的を説明するか、資金提供者の名前をつけてマイクロタスクの割り当ての枠組みを変更する)を行った。
※framing effects: フレーミング効果は心理学の用語で2,000円と3,000円と4,000円のプランがあったら上下両方の間をとった真ん中の3,000円が選ばれやすくなるという心理現象のこと。中身は変わらないが相対評価できる対象を提示することによって印象を操作できることを意味している。
total variational distanceを用いて分布の差を測る
thetaがtotal variational distanceを表し0~1(または0%~100%)をとる。theta=100%で2つの分布が全くオーバーラップしてない、theta=0%で2の分布は同じ分布であることを示す。図1のA、Bはそれぞれtheta=50%、30%の場合を示している。
476人のAmazon Mechanical Turk(AMT)での作業者
各人はどれかの実験に一度だけ参加
各作業者はこれまで行ってきた作業の90%以上が著者ら以外の依頼者の仕事をこなしている
作業者はHIT(AMTにおけるタスクの単位)を受け入れるとランダムに2種類のサブ実験("food"と"culture")の内どちらか一つに割り当てられる。
サブ実験では、5つの画像へのラベル付けタスクを10タスク行う(おそらくこれで1HIT)。
ラベルの文字は最小2文字必要で作業者は0.45ドルを支払われた
いくつかの視覚的要素が入った画像のうち、どれをクリックしやすいかを調べた研究。カラーテキストの静止画が一番だった。
**感覚による言語学習のためのゲームを提案。音声指示に対して身体動作で回答する。
ロボットとのインタラクションにも使えそう
VR空間で言語学習効率が向上するか評価。アンケートと単語テストを実施。
クラウドソーシングによる評価は従来の研究室単位の評価実験と比べて、低コストで大規模に行えるという利点があるが、実験参加者(ワーカ)の環境や行動を直接制御することは難しく、集まるデータの品質に懸念が存在する。本研究ではこれを解決するためAmazon Mechanical Turk (AMT)での実行可能性を3つのユーザインターフェースの再評価実験から検討する。研究室レベルでの実験とオンライン(AMT)での実験設定の2つを比較したが、両者に統計的に有意な差は無かった(研究室レベルで有意差が出たものはオンラインでも同様に有意差が出た、効果量も似ていた)。また、タスク完了時間、エラー率、一貫性、または利用率も差がなかった。このことから、クラウドソーシングがユーザインターフェース評価のための補完的なアプローチとして有効である可能性を示唆している。
よく使うアイテム3つを一番上に表示するタスク。
アルファベット順に並べられた16の項目をそれぞれ含む3つのカテゴリ(Menu1、Menu2、Menu3)のメニューを使用。 各カテゴリの上部にある適応部分には、最も最近使用された3つのアイテムが含まれている。3アイテムは各ブロックの始めにランダムに初期化された。 各カテゴリについて、60個の選択肢のランダムシーケンスを生成し、選択肢の79%に対して目標部分が適応部分にあるように制約されている。 また、60個の選択肢の3つのシーケンスを無作為にシャッフルして、180個の選択肢の最終シーケンスを得た。
control conditionとして典型的な静的メニューデザインと比較(ただし、上に適応的なアイテムがないsplit menuというわけではない)
実験参加者は
AMTでは6名が入院中など医学的に問題があるまたは作業に障害のあるハードウェア装置があると報告されたのでデータを破棄。残り90名の参加者のうち1名は極端な外れ値として分類され分析から除外。
研究室レベルの実験では極端な外れ値はなし。
詳細な結果は表1と図2を参照。AMTと実験室で結果に有意な差はなかった。
実験参加者は
AMT
詳細な結果は表1と図2を参照。
Bubble Cursorはカーソルのホットスポットのサイズが常に最も近いターゲットに重なるように動的に変化するポインティング拡張を行う。
5つの変数
実験参加者は
AMT
詳細な結果は表1と図2を参照。
#####Split Menu
AMT作業者の方が研究室参加者よりはわずかに速く、個々の標準偏差が小さく、使用率は高かったが、エラーが増加した。しかし差は有意ではなかった。差異も比較的小さく、2つの集団間のタスク完了時間の差は全てのデータを含めても3.5%、一致したデータの分析では2.8%だった。
2つの実験条件(静的メニューと分割メニュー)のパフォーマンスの差は8.4%(図2(b))より大きかった。
#####Split Interface
AMT作業者の方が研究室参加者より遅く、標準偏差が大きく、使用率が低く、エラーが増加した。しかし差は有意ではなかった。2つの集団間のタスク完了時間の差は、すべてのデータを含む分析では5.9%であり、一致したデータによる分析では6.3%であった。比較すると、2つの実験条件(前節で報告した)の性能差は13.1%より大きかった。
#####Bubble Cursor
AMT作業者の方が研究室参加者より遅く、標準偏差が大きく、使用率が低く、エラーが増加した。しかし差は有意ではなかった。2つの集団間のタスク完了時間の差は、すべてのデータを含む分析では3.0%であり、一致したデータでの分析では4.9%であった。比較すると、2つの実験条件(前のセクションで報告された)の間の性能差は16.4%より大きかった。
実践的に考慮すべき事項
予備実験でAMTの作業者は新しく追加したユーザインターフェースの使用方法を理解していなかった。
たとえば、参加者の中には、バブルカーソルの中心をターゲット上に持ってくるものもあれば、スプリットインターフェイスの適応ツールバーを利用しない者もいた。
そのため、すべての参加者が各インターフェイスの内容を理解できるようにするために、参加者は練習中に少なくとも1回UIの新しい機能をテストする必要があった。もし使用しなければ、再び練習ブロックを繰り返させるという工夫を入れた。研究室レベルとAMTにおける使用率を比べてみても、この介入は有効だったといえる。
年齢と入力デバイスの両方がポインティングやテキスト入力などの入力タスクのパフォーマンスに影響する。 年齢や入力デバイスの多様性をコントロールすることは、その影響をきちんと説明できない限りは必要で単純に集めただけでは被験者の比較は信頼できない可能性がある。 AMTの労働力の構成は1時間単位で変化するため、すべての条件を同時に実行して分析を行うことは、結果の信頼性にさらに寄与する一般的な設計選択だと言える。
極端な外れ値は、平均および標準偏差の推定値に影響する。 したがって、平均から2標準偏差を超える値を排除する一般的な方法は、信頼性がない可能性がある。 本論文では代わりに、四分位間範囲に基づく方法を使用した。これは非常に極端な外れ値に対してはるかに頑強である。
Bubble Cursor評価のようないくつかの実験は、参加者のコンピュータのハードウェアとソフトウェアのパフォーマンスに敏感である。
パフォーマンスの低いハードウェア/ソフトウェア構成を検出するための自動チェックと、インターフェースの更新を行うのにかかる実際の時間を記録した。
また、異なる参加者は異なるネットワーク接続を持つので、メディアの事前ローディングなどの標準的な手法を使用することで、実際の実験ではネットワークパフォーマンスが問題にならないように工夫した。
作業を完了した21名のAMT参加者は実験中にパフォーマンスに影響を与えたかもしれない障害や技術的困難性を報告した。報告しても報酬がきちんと得られることを保証することによって、正直な報告を奨励した。 これらの参加者からのデータを分析しなかったが、分析にそれらを含まないことは、データの全体的な高品質と外れ値が低いことに積極的に貢献したと考えられる。
Websiteの色を色覚障碍者向けにするツールはユーザの反応を考慮していないので、色覚障碍者も元のWebsiteが想定していた反応と同じような反応を受け取れるよう再着色する技術の提案
AMTにおいて人間による計算量は労働者が不可視であることに依存している。倫理的な側面から、労働者からもタスク依頼者を評価するTurkopticonを提案することで両者の価値を考慮したシステムを提案
不明、discussionベース
視覚障碍者もVRを体験できるようにしようぜという研究。白杖がVR内の物体に当たると振動と音をフィードバックして教えてくれる。著者らはこのVR白杖(cane)を"Canetroller"と呼んでる。
先行研究[58,59]の視覚障碍者のnavigation challengeに基づく
実験参加者
VRがこれから流行ってくる中で先駆的な研究だと思う。
VRと非VRで言語学習にどのような影響があるか研究
Title: Exploring Privacy and Accuracy Trade-Offs in Crowdsourced Behavioral Video Coding
Authors:
Walter S. Lasecki University of Rochester, Rochester, NY, USA
Mitchell Gordon University of Rochester, Rochester, NY, USA
Winnie Leung Carnegie Mellon University, Pittsburgh, PA, USA
Ellen Lim Carnegie Mellon University, Pittsburgh, PA, USA
Jeffrey P. Bigham Carnegie Mellon University, Pittsburgh, PA, USA
Steven P. Dow Carnegie Mellon University, Pittsburgh, PA, USA
Hyperlink: paper
Remark: CHI2015
クラウドソーシングのアノテーションでプライバシー保護のため画像にぼかしを加えると影響があるのか調査
Authors: | name | affiliation |
---|---|---|
Advait Sarkar | Microsoft Research Cambridge & University of Cambridge, Cambridge, United Kingdom | |
Cecily Morrison | Microsoft Research, Cambridge, United Kingdom | |
Jonas F. Dorn | Novartis Pharma AG, Basel, Switzerland | |
Rishi Bedi | Novartis Pharma AG & Stanford University, Basel, Switzerland | |
Saskia Steinheimer | Inselspital, Bern University Hospital, Bern, Switzerland | |
Jacques Boisvert | Novartis Pharma AG, Basel, Switzerland | |
Jessica Burggraaff | VU University Medical Center, Amsterdam, Netherlands | |
Marcus D'Souza | University Hospital Basel, Basel, Switzerland | |
Peter Kontschieder | Microsoft Research, Cambridge, United Kingdom | |
Samuel Rota Bulò | Microsoft Research, Cambridge, United Kingdom | |
Lorcan Walsh | Norvatis Pharma AG, Basel, Switzerland | |
Christian P. Kamm | University Hospital Bern, Bern, Switzerland | |
Yordan Zaykov | Microsoft Research, Cambridge, United Kingdom | |
Abigail Sellen | Microsoft Research, Cambridge, United Kingdom | |
Siân Lindley | Microsoft Research, Cambridge, United Kingdom |
連続した映像のラベリングを高効率かつ一貫して行うためにsetwise comparisonと呼ばれる新しい方法を導入し、そのインターフェースを構築・検証
視覚障碍者がTwitterをどう使うか、課題は何か、健常者との違いは何かを検討
ユーザの好みに合わせて写真の色補正処理を逐次的に学習する直感的なインターフェースを提案
pHに基づいて、"色", "香り", "形 "を定義。明確な評価はなし?
ビデオでの会話において、アニメ調の3Dモデルアバターの人間が話し相手になっていても子供は実物の人間を相手にするときと同じような会話の振る舞いを行う(表情の変化など?)
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.