Mar, 2022

通过地理可视化探索移动描述

PDF
TL;DR通过自动提取文本信息来感知运动现象具有挑战性。本文介绍了 GeoMovement，该系统基于结合机器学习和基于规则的运动相关信息抽取，并使用先进的可视化技术。GeoMovement 提供了一种集成框架，可以同时提取运动和缺乏运动，为人们提供了有意义的地理运动信息。
automatic information extractionmovement-related informationgeomovementvisualization techniquesnegation
发现论文，激发创造
  • 文本中隐含地理移动的识别

    通过手动标注、众包及机器学习相结合的方式，本文创新性地建立了基于地理运动描述文本的语料库，以推动地理数据的计算处理和空间认知能力的探索。

    Jan, 2022

  • 文本描述的地理移动划分

    研究文本中描述的运动是有挑战性的，由于空间 term，语言构造以及时间参照等多因素影响。研究通过实验，发现人们用来区分不同运动描述的特征，为基于文本的运动计算分析提出了建议。

    Jan, 2022

  • DeepMove: 通过大规模运动数据学习地点表示

    DeepMove 利用模型场景中的月度活动来学习地点的潜在表示。 该模型利用了空间和时间上下文，在地点分类和聚类任务中表现出良好性能。

    Jul, 2018

  • 基于人工智能视角的运动分析：现状、制造业应用及未来前景

    本文旨在回顾制造业中和广义上的运动分析的动态。我们通过理论的和应用的角度来调查最相关的工作。从理论角度出发，我们主要关注于两个研究方向：机器学习和逻辑建模。从应用角度出发，我们回顾了这些方法的应用，并介绍数字孪生的主要概念及其应用。同时，我们也介绍数字孪生的主要概念及其应用。

    Oct, 2022

  • 超越模仿：使用大型语言模型进行基于上下文的推理生成人类移动行为

    人类移动行为与交通拥堵和流行病控制等重要社会问题密切相关。然而，收集移动数据可能代价高昂且存在严重的隐私问题，迫切需要高质量的生成性移动模型。本文提出了一种基于常识推理的移动生成方法，设计了一种新颖的 MobiGeaR 框架，通过少样本上下文学习和分解协调机制来有效地捕捉驱动移动行为的一致意图，并在提升生成的语义感知性和降低训练样本大小的同时取得了最新性能。

    Feb, 2024

  • 从细粒度文本描述生成运动

    建立一个大规模的细粒度文本 - 运动数据集 FineHumanML3D，并设计一种新的文本生成运动模型 FineMotionDiffuse，以更好地生成空间 / 时间上的综合动作。

    Mar, 2024

  • 从文本描述中生成三维场景的人类动作

    通过将任务分解为两个可管理的子问题：目标对象的语言准确性和以目标对象为中心的运动生成，本文提出了一种新的方法来生成给定人 - 场景交互文本描述的 3D 室内场景中的人体动作，实验表明我们的方法在运动质量方面优于基线并验证了我们的设计选择。

    May, 2024

  • 深度状态空间建模：用于可解释的专业人体姿势表达、分析和生成

    通过引入三种新方法，我们将全身运动形式化为动态系统的状态空间模型，利用深度学习和统计算法估计参数。这些表示遵循手势操作模型（GOM）的结构，描述了通过时空假设的运动。这些方法用于人类运动的精确生成和专业运动的身体灵活性分析。

    Apr, 2023

  • 评估地理空间上下文信息用于交通方式识别

    本文通过使用随机森林模型和 SHAP 的方法，评估了地理空间上下文信息对于交通方式检测的贡献，发现基础设施网络相关的特征显著影响模型预测，而土地利用和地表覆盖特征对于任务的贡献非常有限。此外，该研究为选择适当的上下文信息和建模方法提供了洞见，增强了我们对于运动与地理上下文之间关系的理解。

    May, 2023

  • 走向可解释的移动数据科学人工智能

    本文介绍了我们关于可解释的移动数据科学 XAI 方案的持续研究成果，重点是通过使用时空图神经网络和反事实方法从密集轨迹数据中学习可解释模型，如车辆和船舶的 GPS 轨迹，并回顾了现有的 GeoXAI 研究，主张采用以人为本的方法进行全面的解释，并概述了通向移动数据科学的 XAI 研究路径。

    Jul, 2023