論文の概要: A Review of Affective Generation Models
- arxiv url: http://arxiv.org/abs/2202.10763v1
- Date: Tue, 22 Feb 2022 09:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 23:28:31.536673
- Title: A Review of Affective Generation Models
- Title（参考訳）: 感情生成モデルの現状と展望
- Authors: Guangtao Nie, Yibing Zhan
- Abstract要約: 影響認識は過去10年間に何回もレビューされてきた。
しかし、影響のある世代は批判的なレビューを欠いている。
この研究は、将来の感情発生の研究に役立つと考えられている。
- 参考スコア（独自算出の注目度）: 7.993547019145323
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Affective computing is an emerging interdisciplinary field where
computational systems are developed to analyze, recognize, and influence the
affective states of a human. It can generally be divided into two subproblems:
affective recognition and affective generation. Affective recognition has been
extensively reviewed multiple times in the past decade. Affective generation,
however, lacks a critical review. Therefore, we propose to provide a
comprehensive review of affective generation models, as models are most
commonly leveraged to affect others' emotional states. Affective computing has
gained momentum in various fields and applications, thanks to the leap of
machine learning, especially deep learning since 2015. With critical models
introduced, this work is believed to benefit future research on affective
generation. We conclude this work with a brief discussion on existing
challenges.
- Abstract（参考訳）: アフェクティブ・コンピューティング(Affective Computing)は、人間の感情状態を分析し、認識し、影響を及ぼす計算システムを開発する分野である。
一般に、感情認識と感情生成の2つのサブプロブレムに分けられる。
影響認識は過去10年間に何度もレビューされてきた。
しかし、感情的な世代は批判的なレビューを欠いている。
そこで本研究では,モデルが他者の感情状態に影響を与えるのに最も一般的に利用されているため,感情生成モデルの包括的レビューを提案する。
Affective Computingは、機械学習の飛躍、特に2015年以来のディープラーニングのおかげで、さまざまな分野やアプリケーションで勢いを増している。
批判モデルの導入により、この研究は将来の感情発生の研究に役立つと考えられている。
この作業は、既存の課題に関する簡単な議論で締めくくります。
関連論文リスト
- Generative Technology for Human Emotion Recognition: A Scope Review [11.578408396744237]
本調査は,2024年6月までに320以上の研究論文を総合的に分析し,既存の文献のギャップを埋めることを目的としている。
異なる生成モデルと一般的に使用されるデータセットの数学的原理を導入する。
様々なモダリティに基づいて、生成技術がどのように感情認識に対処するかを詳細に分析する。
論文 参考訳（メタデータ） (2024-07-04T05:22:55Z) - Towards affective computing that works for everyone [0.1450405446885067]
感情計算データセットにおける多様性、公平性、包摂的要素の欠如は、異なるグループ間での感情認識アルゴリズムの正確性と公平性に直接影響する。
私たちの研究は、既存の感情的コンピューティングデータセットを分析し、人種、性別/性別、年齢、(メンタル)健康表現に関する現在の感情的コンピューティングデータセットの多様性の欠如を強調します。
論文 参考訳（メタデータ） (2023-09-19T17:31:29Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Refashioning Emotion Recognition Modelling: The Advent of Generalised
Large Models [23.73445615103507]
過去数十年間、感情認識モデルは、統計的に浅いモデルからニューラルネットワークベースのディープモデルへと徐々に移行してきた。
ディープモデルは常に感情認識の最初の選択肢とみなされてきた。
しかし、ChatGPTのような大型言語モデル(LLM)が登場したことで、世界は驚くほど驚かされた。
論文 参考訳（メタデータ） (2023-08-21T13:14:32Z) - Expanding the Role of Affective Phenomena in Multimodal Interaction
Research [57.069159905961214]
マルチモーダルインタラクション, 感情計算, 自然言語処理において, 選ばれたカンファレンスから16,000以上の論文を調査した。
本論文では,感情関連論文910を同定し,情緒現象の役割について分析した。
我々は、人間の社会的行動や認知状態の機械的理解を高めるために、AIシステムによって感情と感情の予測がどのように使用されるかについて、限られた研究結果を得た。
論文 参考訳（メタデータ） (2023-05-18T09:08:39Z) - A Comprehensive Survey on Affective Computing; Challenges, Trends,
Applications, and Future Directions [3.8370454072401685]
感情コンピューティングは人間の感情、感情、感情を認識することを目的としています。
機械学習(ML)と混合現実(XR)がどのように相互作用するかを決定する研究はこれまで行われていない。
論文 参考訳（メタデータ） (2023-05-08T10:42:46Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳（メタデータ） (2021-04-09T01:46:34Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳（メタデータ） (2021-03-29T17:36:20Z) - Automatic Expansion of Domain-Specific Affective Models for Web
Intelligence Applications [3.0012517171007755]
感覚コンピューティングは、異なる複雑さのよく定義された感情モデルに依存している。
洗練された機械学習アプローチと組み合わされた最もきめ細かい感情モデルでは、組織の戦略的位置決めの目標を完全に把握できないかもしれません。
本稿では、知識グラフで利用可能な共通知識と常識知識と、言語モデルと感情的推論を組み合わせた感情モデルの拡張手法を紹介する。
論文 参考訳（メタデータ） (2021-02-01T13:32:35Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z)
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。