論文の概要: Child-Computer Interaction: Recent Works, New Dataset, and Age Detection
- arxiv url: http://arxiv.org/abs/2102.01405v1
- Date: Tue, 2 Feb 2021 09:51:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-03 16:21:46.378662
- Title: Child-Computer Interaction: Recent Works, New Dataset, and Age Detection
- Title（参考訳）: 子どもとコンピュータの相互作用:最近の仕事、新しいデータセット、年齢検出
- Authors: Ruben Tolosana, Juan Carlos Ruiz-Garcia, Ruben Vera-Rodriguez, Jaime
Herreros-Rodriguez, Sergio Romero-Tapiador, Aythami Morales, Julian Fierrez
- Abstract要約: ChildCIは、モバイルデバイスと対話しながら、子どもの認知と神経運動の発達をよりよく理解することを目的としている。
私たちのフレームワークでは、子どもたちはペンスタイラスと指を使ってタブレットデバイスと対話し、異なるレベルの神経運動能力と認知能力を必要とするタスクを実行します。
ChildCIdbは18ヶ月から8歳までの400人以上の子供で構成されており、それゆえ、ピアジェ理論の最初の3つの発達段階を考慮している。
- 参考スコア（独自算出の注目度）: 6.061943386819384
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We overview recent research in Child-Computer Interaction and describe our
framework ChildCI intended for: i) generating a better understanding of the
cognitive and neuromotor development of children while interacting with mobile
devices, and ii) enabling new applications in e-learning and e-health, among
others. Our framework includes a new mobile application, specific data
acquisition protocols, and a first release of the ChildCI dataset (ChildCIdb
v1), which is planned to be extended yearly to enable longitudinal studies. In
our framework children interact with a tablet device, using both a pen stylus
and the finger, performing different tasks that require different levels of
neuromotor and cognitive skills. ChildCIdb comprises more than 400 children
from 18 months to 8 years old, considering therefore the first three
development stages of the Piaget's theory. In addition, and as a demonstration
of the potential of the ChildCI framework, we include experimental results for
one of the many applications enabled by ChildCIdb: children age detection based
on device interaction. Different machine learning approaches are evaluated,
proposing a new set of 34 global features to automatically detect age groups,
achieving accuracy results over 90% and interesting findings in terms of the
type of features more useful for this task.
- Abstract（参考訳）: 子どもとコンピュータの相互作用に関する最近の研究を概観し,その意図する枠組みであるchildciについて述べる。i) モバイルデバイスと対話しながら,子どもの認知と神経運動の発達をよりよく理解すること,ii) e-learning と e-health の新たな応用を可能にすること,など。
我々のフレームワークには、新しいモバイルアプリケーション、特定のデータ取得プロトコル、縦断的研究を可能にするために年次拡張が計画されているChildCIデータセット(ChildCIdb v1)の最初のリリースが含まれている。
私たちのフレームワークでは、子どもたちはペンスタイラスと指を使ってタブレットデバイスと対話し、異なるレベルの神経運動と認知スキルを必要とする異なるタスクを実行します。
ChildCIdbは18ヶ月から8歳までの400人以上の子供で構成されており、ピアジェの理論の最初の3つの発達段階を考慮しています。
さらに,ChildCIフレームワークの可能性の実証として,ChildCIdbが実現した多くの応用の1つとして,デバイスインタラクションに基づく子どもの年齢検出実験を行った。
さまざまな機械学習アプローチが評価され、年齢グループを自動的に検出する34のグローバル機能セットを提案し、90%以上の精度結果を達成し、このタスクでより有用な機能の種類に関して興味深い結果を得ます。
関連論文リスト
- ToddlerAct: A Toddler Action Recognition Dataset for Gross Motor Development Assessment [26.16139407666899]
ToddlerActは幼児の運動行動認識データセットである。
本稿では,データ収集プロセス,アノテーション方法論,データセットの特徴について述べる。
本研究は,幼児期における運動機能発達の正確性を評価するための領域特異的データセットの重要性を明らかにするものである。
論文 参考訳（メタデータ） (2024-08-31T04:31:46Z) - Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - Challenges in Video-Based Infant Action Recognition: A Critical
Examination of the State of the Art [9.327466428403916]
InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。
近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。
以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
論文 参考訳（メタデータ） (2023-11-21T02:36:47Z) - BabyNet: A Lightweight Network for Infant Reaching Action Recognition in
Unconstrained Environments to Support Future Pediatric Rehabilitation
Applications [5.4771139749266435]
動作認識は、ウェアラブルロボット外骨格のような物理的リハビリテーション装置の自律性を改善する重要な要素である。
本稿では,生体外静止カメラから幼児の到達行動を認識する軽量ネットワーク構造であるBabyNetを紹介する。
論文 参考訳（メタデータ） (2022-08-09T07:38:36Z) - Vision-Based Activity Recognition in Children with Autism-Related
Behaviors [15.915410623440874]
臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。
データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。
時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
論文 参考訳（メタデータ） (2022-08-08T15:12:27Z) - ChildCI Framework: Analysis of Motor and Cognitive Development in Children-Computer Interaction for Age Detection [4.442846744776511]
本稿では、最近のChildCIフレームワークで提案されている異なるテストの包括的な分析について述べる。
本稿では,子どもがモバイルデバイスと対話する際の運動・認知的側面に関連する,100以上のグローバルな特徴について述べる。
93%以上の精度は、公開されているChildCIdb_v1データベースを使って達成される。
論文 参考訳（メタデータ） (2022-04-08T18:03:39Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - A Few-shot Learning Graph Multi-Trajectory Evolution Network for
Forecasting Multimodal Baby Connectivity Development from a Baseline
Timepoint [53.73316520733503]
本稿では,教師-学生パラダイムを取り入れたグラフ多目的進化ネットワーク(GmTE-Net)を提案する。
これは、脳グラフ多軌道成長予測に適した最初の教師学生アーキテクチャである。
論文 参考訳（メタデータ） (2021-10-06T08:26:57Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳（メタデータ） (2021-09-09T16:04:14Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z)
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。