실용적인 Chart Caption 생성을 위한 계층적 접근법

Q: 이 논문에서 정의한 Caption Hierarchical Segmentation이란 무엇인가?

Caption Hierarchical Segmentation은 토큰의 공간적 특징을 기반으로 캡션 정보를 점진적으로 확장하여 여러 계층의 캡션을 생성하는 방법론이다. 이는 인간의 인지 단계에 따라 4단계로 나뉘며, 각 계층은 다른 길이와 상세함을 가진 설명을 제공하여 모델의 실질적인 활용 범위를 확장한다.

Q: 계층적 캡션 생성 모델에서 가장 이해도가 높은 캡션 계층은 무엇인가?

연구 결과, 제안하는 계층적 차트 캡셔닝 생성 모델에서 교수자 20명을 대상으로 한 설문조사에서 Layer 2에서 생성된 캡션이 가장 이해도가 높은 것으로 나타났다. 이는 최소한의 정보를 함축적으로 표현하여 사용자의 이해를 돕는 데 효과적이다.

송유정; 정성헌; 임순범; 이종우; 박주현

doi:10.9717/kmms.2024.27.3.400

추천

검색

질문

자료유형: 학술저널

저자정보: 송유정 (세명대학교) 정성헌 (University of California) 임순범 (한국전자출판학회) 이종우 박주현 (숙명여자대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제27권 제3호

발행연도: 2024.3

수록면: 400 - 409 (10page)

DOI: 10.9717/kmms.2024.27.3.400

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Numerous attempts to interpret charts have historically been more focused on enhancing performance rather than aligning with human practicality, inadvertently steering us away from the fundamental objective. Given that the subjective knowledge in interpreting charts varies depending on its application, it is imperative to ensure autonomy in interpretation based on foundational information. This necessitates the provision of intuitive information grounded in human perception hierarchically. We propose a methodological expansion of caption usage, termed “Caption Hierarchical Segmentation”, which progressively augments caption information based on the spatial characteristics of tokens, offering multi-layered captions. This approach facilitates the training of models to be versatile in application, grounded in human perceptibility. Our method, when integrated with existing chart explanation models, serves to prevent misunderstandings and overfitting by the model. It achieves this by offering simple explanations for samples that are otherwise uninterpretable, thereby providing only intuitive information and averting incorrect responses.

#Charts Interpretation #Human Practicality #Caption Hierarchical Segmentation #Visually Impaired #Chart Image Description

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089576156

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)