論文の概要: Social Processes: Self-Supervised Forecasting of Nonverbal Cues in Social Conversations

• arxiv url: http://arxiv.org/abs/2107.13576v1
• Date: Wed, 28 Jul 2021 18:01:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-31 01:22:47.160439
• Title: Social Processes: Self-Supervised Forecasting of Nonverbal Cues in Social Conversations
• Title（参考訳）: 社会的プロセス:非言語的手がかりの自己教師あり予測
• Authors: Chirag Raman, Hayley Hung, Marco Loog
• Abstract要約: 我々は、社会的人間関係の分野におけるボトムアップな自己監督的アプローチの方向への第一歩を踏み出す。 ソーシャルキュー予測のタスクを定式化し、ラベルなしの低レベル行動キューを多量に活用する。 本稿では,ニューラル・プロセス(NP)ファミリー内における社会的に認識されるシーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。
• 参考スコア（独自算出の注目度）: 22.302509912465077
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The default paradigm for the forecasting of human behavior in social conversations is characterized by top-down approaches. These involve identifying predictive relationships between low level nonverbal cues and future semantic events of interest (e.g. turn changes, group leaving). A common hurdle however, is the limited availability of labeled data for supervised learning. In this work, we take the first step in the direction of a bottom-up self-supervised approach in the domain. We formulate the task of Social Cue Forecasting to leverage the larger amount of unlabeled low-level behavior cues, and characterize the modeling challenges involved. To address these, we take a meta-learning approach and propose the Social Process (SP) models--socially aware sequence-to-sequence (Seq2Seq) models within the Neural Process (NP) family. SP models learn extractable representations of non-semantic future cues for each participant, while capturing global uncertainty by jointly reasoning about the future for all members of the group. Evaluation on synthesized and real-world behavior data shows that our SP models achieve higher log-likelihood than the NP baselines, and also highlights important considerations for applying such techniques within the domain of social human interactions.
• Abstract（参考訳）: 社会的会話における人間の行動予測のデフォルトパラダイムは、トップダウンアプローチによって特徴づけられる。 これらは低レベルの非言語的手がかりと将来の関心のセマンティックイベント(例)の間の予測的関係の同定を含む。 変化を変え グループを去る) しかし、一般的なハードルは、教師付き学習のためのラベル付きデータの可用性の制限である。 この作業では、ドメインにおけるボトムアップな自己管理アプローチの方向への第一歩を踏み出します。 社会的手がかり予測のタスクを定式化し、ラベルなしの低レベル行動の手がかりを多く活用し、関連するモデリングの課題を特徴付ける。 これらの問題に対処するために,我々はメタラーニングアプローチを採用し,ニューラル・プロセス(NP)ファミリー内の社会認識シーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。 spモデルは、グループのメンバー全員の将来について共同推論することで、グローバルな不確実性を捉えながら、各参加者に対する非倫理的な将来の手がかりの抽出可能な表現を学習する。 合成および実世界の行動データから,我々のSPモデルは,NPベースラインよりも高いログ類似性を実現し,ソーシャルヒューマンインタラクションの領域にそのような技術を適用する上で重要な考慮点を浮き彫りにしている。

関連論文リスト

• Context-Aware Prediction of User Engagement on Online Social Platforms [15.847199578750924]
  我々は、コンテキスト対応モデリングアプローチが、オンラインソーシャルプラットフォーム上でのユーザエンゲージメントの全体的かつ軽量な表現を提供する可能性を示唆するデータを提示する。 約8万人から1億以上のSnapchatセッションを分析しています。 スマートフォンの接続状況,位置,時間的コンテキスト,天候に関連する特徴は,ユーザエンゲージメントの非冗長なばらつきを捉えている。
  論文  参考訳（メタデータ） (2023-10-23T03:36:35Z)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)
• Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
  マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。 これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。 提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-08T16:04:47Z)
• Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
  本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
  論文  参考訳（メタデータ） (2021-12-17T12:47:18Z)
• SocAoG: Incremental Graph Parsing for Social Relation Inference in Dialogues [112.94918467195637]
  対話から社会的関係を推定することは、感情的に知的なロボットを構築するのに不可欠である。 我々は、グループ間の関係の整合性のために、SocAoGという名前のAnd-or Graphとしてソーシャルネットワークをモデル化する。 DialogRE と MovieGraph の実証実験結果から,我々のモデルは最先端の手法よりも社会的関係を正確に推定できることがわかった。
  論文  参考訳（メタデータ） (2021-06-02T08:07:42Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Recursive Social Behavior Graph for Trajectory Prediction [49.005219590582676]
  我々は、グループベースのアノテーションによって管理される社会表現を、再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。 再帰的社会行動グラフ(Recursive Social Behavior Graph)のガイダンスにより、EDHおよびUCYデータセットにおける最先端の手法をADEの11.1%、FDEの10.8%で上回る。
  論文  参考訳（メタデータ） (2020-04-22T06:01:48Z)

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。