論文の概要: Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation

• arxiv url: http://arxiv.org/abs/2011.00043v1
• Date: Fri, 30 Oct 2020 18:45:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 17:02:53.736396
• Title: Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation
• Title（参考訳）: 感情・精神症状解釈のための詩型ボディランゲージ認識
• Authors: Zhengyuan Yang, Amanda Kay, Yuncheng Li, Wendi Cross, Jiebo Luo
• Abstract要約: 通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
• 参考スコア（独自算出の注目度）: 75.3147962600095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inspired by the human ability to infer emotions from body language, we propose an automated framework for body language based emotion recognition starting from regular RGB videos. In collaboration with psychologists, we further extend the framework for psychiatric symptom prediction. Because a specific application domain of the proposed framework may only supply a limited amount of data, the framework is designed to work on a small training set and possess a good transferability. The proposed system in the first stage generates sequences of body language predictions based on human poses estimated from input videos. In the second stage, the predicted sequences are fed into a temporal network for emotion interpretation and psychiatric symptom prediction. We first validate the accuracy and transferability of the proposed body language recognition method on several public action recognition datasets. We then evaluate the framework on a proposed URMC dataset, which consists of conversations between a standardized patient and a behavioral health professional, along with expert annotations of body language, emotions, and potential psychiatric symptoms. The proposed framework outperforms other methods on the URMC dataset.
• Abstract（参考訳）: 身体言語から感情を推測する人間の能力に着想を得て,通常のrgbビデオからボディランゲージに基づく感情認識の自動フレームワークを提案する。 心理学者と連携して,精神症状予測の枠組みをさらに拡張する。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか提供できないため、フレームワークは小さなトレーニングセットで動作し、優れた転送性を持つように設計されている。 提案システムでは,入力映像から推定した人間のポーズに基づいて,身体言語予測のシーケンスを生成する。 第2段階では、予測されたシーケンスは感情解釈と精神症状予測のための時間的ネットワークに供給される。 提案手法の精度と伝達性について,複数の公開行動認識データセットを用いて検証した。 次に、標準化された患者と行動保健専門家との会話と、身体言語、感情、潜在的な精神症状に関する専門家アノテーションからなるURMCデータセットの枠組みを評価した。 提案手法はURMCデータセット上の他の手法よりも優れている。

関連論文リスト

• EEG Emotion Copilot: Pruning LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [13.048477440429195]
  本稿では,局所的に動作する軽量な大規模言語モデル(LLM)を利用したEEG Emotion Copilotを提案する。 このシステムは、まず脳波信号から直接感情状態を認識し、パーソナライズされた診断と治療の提案を生成するように設計されている。 プライバシーに関する懸念も対処され、倫理的データ収集、処理、ユーザーの個人情報の保護に焦点が当てられている。
  論文  参考訳（メタデータ） (2024-09-30T19:15:05Z)
• Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
  単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。 広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-04-26T07:30:32Z)
• Acknowledgment of Emotional States: Generating Validating Responses for Empathetic Dialogue [21.621844911228315]
  本研究は,共感的対話を有効活用するための最初の枠組みを紹介する。 本手法では,1)検証タイミング検出,2)ユーザの感情状態の同定,3)応答生成の検証を行う。
  論文  参考訳（メタデータ） (2024-02-20T07:20:03Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• Bodily Behaviors in Social Interaction: Novel Annotations and State-of-the-Art Evaluation [0.0]
  本稿では,社会相互作用に埋め込まれた複雑な身体行動の最初のアノテーションであるBBSIについて述べる。 心理学における過去の研究に基づいて,26時間の自発的な行動について手動で注釈を付けた。 我々は、人間の行動検出のための最先端のアプローチであるピラミッド拡張注意ネットワーク(PDAN)を適応する。
  論文  参考訳（メタデータ） (2022-07-26T11:24:00Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Automated Quality Assessment of Cognitive Behavioral Therapy Sessions Through Highly Contextualized Language Representations [34.670548892766625]
  認知行動療法(Cognitive Behavioral Therapy, CBT)という,特定の心理療法の行動自動スコアリングモデルを提案する。 このモデルは高い解釈可能性を達成するためにマルチタスクで訓練される。 BERTベースの表現は、利用可能な治療メタデータでさらに拡張され、関連する非言語的コンテキストを提供し、一貫したパフォーマンス改善につながります。
  論文  参考訳（メタデータ） (2021-02-23T09:22:29Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。