論文の概要: Voice Analysis for Stress Detection and Application in Virtual Reality
to Improve Public Speaking in Real-time: A Review
- arxiv url: http://arxiv.org/abs/2208.01041v1
- Date: Mon, 1 Aug 2022 03:51:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-03 13:52:11.761522
- Title: Voice Analysis for Stress Detection and Application in Virtual Reality
to Improve Public Speaking in Real-time: A Review
- Title（参考訳）: ストレス検出のための音声分析と仮想現実への応用
- Authors: Arushi, Roberto Dillon, Ai Ni Teoh, Denise Dillon
- Abstract要約: 公言中のストレスは一般的であり、パフォーマンスや自信に悪影響を及ぼす。
本稿では,VRアプリケーションに統合可能なストレス検出アルゴリズムモデルを提案する。
開発したモデルでは, ストレスを示す生理的パラメータと相関する音声特徴を分析し, 過度なストレスをリアルタイムに検出することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stress during public speaking is common and adversely affects performance and
self-confidence. Extensive research has been carried out to develop various
models to recognize emotional states. However, minimal research has been
conducted to detect stress during public speaking in real time using voice
analysis. In this context, the current review showed that the application of
algorithms was not properly explored and helped identify the main obstacles in
creating a suitable testing environment while accounting for current
complexities and limitations. In this paper, we present our main idea and
propose a stress detection computational algorithmic model that could be
integrated into a Virtual Reality (VR) application to create an intelligent
virtual audience for improving public speaking skills. The developed model,
when integrated with VR, will be able to detect excessive stress in real time
by analysing voice features correlated to physiological parameters indicative
of stress and help users gradually control excessive stress and improve public
speaking performance
- Abstract（参考訳）: 公言中のストレスは一般的であり、パフォーマンスや自信に悪影響を及ぼす。
感情状態を認識する様々なモデルを開発するために広範な研究が行われている。
しかし,音声分析を用いて公話中のストレスをリアルタイムに検出する研究が少なからず行われている。
この文脈で、現在のレビューでは、アルゴリズムの適用は適切に検討されておらず、現在の複雑さと制限を考慮しつつ、適切なテスト環境を構築する際の主な障害を特定するのに役立ちました。
本稿では,vr(virtual reality)アプリケーションに統合可能なストレス検出計算アルゴリズムモデルを提案する。
開発したモデルは、VRと統合された場合、ストレスを示す生理的パラメータと相関する音声特徴を分析し、過度のストレスをリアルタイムに検出し、ユーザーが徐々に過度のストレスをコントロールし、公話のパフォーマンスを向上させる。
関連論文リスト
- Predictive Speech Recognition and End-of-Utterance Detection Towards Spoken Dialog Systems [55.99999020778169]
本稿では,次の単語を予測し,発話終了まで残される時間を推定する機能について検討する。
我々は,音響情報と言語情報の両方を組み込んだクロスアテンションに基づくアルゴリズムを開発した。
その結果,提案モデルでは,提案する単語を予測し,将来のEOUイベントを実際のEOUより300ミリ秒前まで推定する能力を示した。
論文 参考訳（メタデータ） (2024-09-30T06:29:58Z) - StressPrompt: Does Stress Impact Large Language Models and Human Performance Similarly? [7.573284169975824]
本研究では,Large Language Models (LLMs) がヒトに類似したストレス応答を示すかを検討する。
我々はストレスプロンプトと呼ばれる新しいプロンプトを開発し、様々なレベルのストレスを誘発するように設計された。
この結果は、LLMが人間と同様に、Yerkes-Dodson法則と一致して、適度なストレスの下で最適に機能することを示唆している。
論文 参考訳（メタデータ） (2024-09-14T08:32:31Z) - Stress Management Using Virtual Reality-Based Attention Training [3.686808512438363]
また,VRによるアテンショントレーニングにより,記録された脳波信号における認識されたストレスインスタンスの数を減少させる結果が得られた。
本研究は、ストレス管理のためのVRベースのアテンショントレーニングの導入に関する予備的な洞察を与える。
論文 参考訳（メタデータ） (2023-12-10T22:42:00Z) - Speaker Embeddings as Individuality Proxy for Voice Stress Detection [14.332772222772668]
話者の精神状態は音声を変調するため、認知的あるいは身体的負荷によって引き起こされるストレスを音声で検出することができる。
既存の音声ストレス検出ベンチマークでは,Hybrid BYOL-S自己教師モデルから抽出した音声の埋め込みが良好に動作することが示された。
本稿では,9つの言語グループと5つの異なるタイプのストレスから100人以上の話者を対象に訓練された音声ストレス検出の設計と開発について述べる。
論文 参考訳（メタデータ） (2023-06-09T14:11:07Z) - Deepfake audio detection by speaker verification [79.99653758293277]
本研究では,話者の生体特性のみを活用する新しい検出手法を提案する。
提案手法は,既成話者検証ツールに基づいて実装することができる。
そこで我々は,3つの一般的なテストセット上で,優れた性能,高い一般化能力,高ロバスト性を有する音声障害に対する高ロバスト性を検証した。
論文 参考訳（メタデータ） (2022-09-28T13:46:29Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Hybrid Handcrafted and Learnable Audio Representation for Analysis of
Speech Under Cognitive and Physical Load [17.394964035035866]
音声におけるタスク負荷検出のための5つのデータセットを提案する。
音声記録は、ボランティアのコホートに認知的ストレスまたは身体的ストレスが引き起こされたとして収集された。
このデータセットを用いて、新たな自己教師型音声表現の設計と評価を行った。
論文 参考訳（メタデータ） (2022-03-30T19:43:21Z) - Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。
RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。
この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
論文 参考訳（メタデータ） (2021-12-17T16:28:06Z) - BEHAVIOR: Benchmark for Everyday Household Activities in Virtual,
Interactive, and Ecological Environments [70.18430114842094]
本稿では,シミュレーションにおける100のアクティビティを持つAIのベンチマークであるBEHAVIORを紹介する。
これらの活動は現実的で多様性があり、複雑であるように設計されています。
われわれは、バーチャルリアリティー(VR)における500件の人間デモを含む。
論文 参考訳（メタデータ） (2021-08-06T23:36:23Z) - MUSER: MUltimodal Stress Detection using Emotion Recognition as an
Auxiliary Task [22.80682208862559]
ストレスと感情は人間の感情状態であり、ストレスは感情の制御と発現に重要な影響を与えることが証明されている。
本研究では,ストレス検出を改善するための補助タスクとして,感情認識の有用性を検討する。
本稿では,高速な動的サンプリング戦略を備えたトランスフォーマーモデルアーキテクチャとマルチタスク学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-17T20:24:46Z) - Does Visual Self-Supervision Improve Learning of Speech Representations
for Emotion Recognition? [63.564385139097624]
本研究は,音声表現の学習を指導するために,顔再構成による視覚的自己監督について検討する。
提案した視覚的・音声的自己監督のマルチタスクの組み合わせは,よりリッチな特徴を学習する上で有益であることを示す。
学習した音声表現を、離散的感情認識、連続的感情認識、自動音声認識のために評価する。
論文 参考訳（メタデータ） (2020-05-04T11:33:40Z)
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。