お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-09-17 13:00
Identifying Design Problems of Presentation Slides using a Bimodal Neural Network
Shengzhou YiUTokyo)・Junichiro MatsugamiRubato)・Toshihiko YamasakiUTokyoMVE2021-12
抄録 (和) Although millions of presentation slides are created every day in business and academia, there are only a limited number of support systems that are helpful to assess the slides. In this study, a bimodal neural network, using visual and structural features, is proposed to identify the design problem of presentation slides. For such a purpose, over two thousand slides were collected for training the model. We summarized ten checkpoints, which are common problems in slide design. The dataset faces an imbalanced distribution, because only a small part of the samples had corresponding design problems. To address the class imbalance issue, several sampling methods are applied to improve the prediction performance. Furthermore, we also use transfer and multi-task learning to enhance the bimodal neural network. The optimal combination of these machine-learning methods helps the proposed network achieve an average accuracy of 81.79%. 
(英) Although millions of presentation slides are created every day in business and academia, there are only a limited number of support systems that are helpful to assess the slides. In this study, a bimodal neural network, using visual and structural features, is proposed to identify the design problem of presentation slides. For such a purpose, over two thousand slides were collected for training the model. We summarized ten checkpoints, which are common problems in slide design. The dataset faces an imbalanced distribution, because only a small part of the samples had corresponding design problems. To address the class imbalance issue, several sampling methods are applied to improve the prediction performance. Furthermore, we also use transfer and multi-task learning to enhance the bimodal neural network. The optimal combination of these machine-learning methods helps the proposed network achieve an average accuracy of 81.79%.
キーワード (和) Presentation Slide / Class Imbalance / Multi-Task Learning / Transfer Learning / / / /  
(英) Presentation Slide / Class Imbalance / Multi-Task Learning / Transfer Learning / / / /  
文献情報 信学技報, vol. 121, no. 179, MVE2021-12, pp. 21-26, 2021年9月.
資料番号 MVE2021-12 
発行日 2021-09-10 (MVE) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード MVE2021-12

研究会情報
研究会 MVE  
開催期間 2021-09-17 - 2021-09-18 
開催地(和) オンライン開催(国士舘大学でのハイブリッド開催から変更) 
開催地(英) Online 
テーマ(和) リモートエクスペリエンスの魅力(「リモートワーク」「リモートコラボレーション」「ワーケーション」)、メディアエクスペリエンスおよび一般(魅力工学(AC)研究会協賛) 
テーマ(英)  
講演論文情報の詳細
申込み研究会 MVE 
会議コード 2021-09-MVE 
本文の言語 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Identifying Design Problems of Presentation Slides using a Bimodal Neural Network 
サブタイトル(英)  
キーワード(1)(和/英) Presentation Slide / Presentation Slide  
キーワード(2)(和/英) Class Imbalance / Class Imbalance  
キーワード(3)(和/英) Multi-Task Learning / Multi-Task Learning  
キーワード(4)(和/英) Transfer Learning / Transfer Learning  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 易 聖舟 / Shengzhou Yi / イ セイシュウ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
第2著者 氏名(和/英/ヨミ) 柗上 純一郎 / Junichiro Matsugami / マツガミ ジュンイチロウ
第2著者 所属(和/英) 株式会社ルバート (略称: ルバート)
Rubato Co., Ltd. (略称: Rubato)
第3著者 氏名(和/英/ヨミ) 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ
第3著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2021-09-17 13:00:00 
発表時間 30 
申込先研究会 MVE 
資料番号 IEICE-MVE2021-12 
巻番号(vol) IEICE-121 
号番号(no) no.179 
ページ範囲 pp.21-26 
ページ数 IEICE-6 
発行日 IEICE-MVE-2021-09-10 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会