論文の概要: Learning Person-specific Network Representation for Apparent Personality Traits Recognition

• arxiv url: http://arxiv.org/abs/2303.01236v1
• Date: Wed, 1 Mar 2023 06:10:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 14:30:09.178550
• Title: Learning Person-specific Network Representation for Apparent Personality Traits Recognition
• Title（参考訳）: パーソナリティ特性認識のためのパーソナライズネットワーク表現の学習
• Authors: Fang Li
• Abstract要約: 本稿では,まず個人固有のネットワークを訓練するパーソナリティ認識手法を提案する。 次に、対象の人格表現として、人称特化ネットワークの重みをグラフ表現にエンコードする。 実験結果から,我々の新しいネットワーク重みに基づくアプローチは,従来の潜在機能ベースアプローチよりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 3.19935268158731
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent studies show that apparent personality traits can be reflected from human facial behavior dynamics. However, most existing methods can only encode single-scale short-term facial behaviors in the latent features for personality recognition. In this paper, we propose to recognize apparent personality recognition approach which first trains a person-specific network for each subject, modelling multi-scale long-term person-specific behavior evolution of the subject. Consequently, we hypothesize that the weights of the network contain the person-specific facial behavior-related cues of the subject. Then, we propose to encode the weights of the person-specific network to a graph representation, as the personality representation for the subject, allowing them to be processed by standard Graph Neural Networks (GNNs) for personality traits recognition. The experimental results show that our novel network weights-based approach achieved superior performance than most traditional latent feature-based approaches, and has comparable performance to the state-of-the-art method. Importantly, the produced graph representations produce robust results when using different GNNs. This paper further validated that person-specific network's weights are correlated to the subject's personality.
• Abstract（参考訳）: 近年の研究では、人間の顔行動動態から明らかな性格特性が反映されることが示されている。 しかし、既存の手法のほとんどは、パーソナリティ認識のための潜在特徴において、短期的な顔行動のみを符号化できる。 本稿では,まず対象者の個人別ネットワークを訓練し,対象者の長期的個人別行動進化をモデル化する,明らかなパーソナリティ認識手法の認識を提案する。 その結果,ネットワークの重みは対象者の顔行動に関する手がかりを含むと仮定した。 次に,対象者のパーソナリティ表現として,人物特異的ネットワークの重みをグラフ表現にエンコードし,それを標準グラフニューラルネットワーク(gnns)で処理してパーソナリティ特性を認識できるようにする。 実験の結果,我々の新しいネットワーク重み付け手法は従来の潜在機能ベース手法よりも優れた性能を示し,最先端手法に匹敵する性能を示した。 重要なことに、生成したグラフ表現は、異なるGNNを使用すると堅牢な結果をもたらす。 本稿ではさらに,個人のネットワークの重みと対象者の個性との関係について検証した。

関連論文リスト

• Editing Personality for Large Language Models [73.59001811199823]
  本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  論文  参考訳（メタデータ） (2023-10-03T16:02:36Z)
• 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)
• Evaluating alignment between humans and neural network representations in image-based learning tasks [5.657101730705275]
  トレーニング済みの860ドルのニューラルネットワークモデルの表現が、人間の学習軌跡にどのようにマッピングされているかテストしました。 トレーニングデータセットのサイズは人間の選択に沿った中核的な決定要因であるのに対し、マルチモーダルデータ(テキストと画像)による対照的なトレーニングは、人間の一般化を予測するために現在公開されているモデルの一般的な特徴であることがわかった。 結論として、事前訓練されたニューラルネットワークは、タスク間で伝達可能な認知の基本的な側面を捉えているように見えるため、認知モデルのための表現を抽出するのに役立つ。
  論文  参考訳（メタデータ） (2023-06-15T08:18:29Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Domain-specific Learning of Multi-scale Facial Dynamics for Apparent Personality Traits Prediction [3.19935268158731]
  本稿では,新しい映像に基づく人格特徴認識手法を提案する。 本研究は,(1)人格関係の短期的顔行動の特徴を抽出する顔行動モデリングモジュール,(2)ビデオの短期的特徴をすべて長期的・ビデオレベルの人格表現として要約する顔行動モデリングモジュール,(3)全ての特徴間の関係をモデル化し,映像レベルの人格表現に基づいて共同で予測する人格特性予測モジュールからなる。
  論文  参考訳（メタデータ） (2022-09-09T07:08:55Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Using Machine Learning Based Models for Personality Recognition [0.0]
  個性は行動、感情、動機、思考の組み合わせと定義できる。 本稿では,テキストから人格認識を行うための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-17T07:20:51Z)
• Learning Graph Representation of Person-specific Cognitive Processes from Audio-visual Behaviours for Automatic Personality Recognition [17.428626029689653]
  本稿では,対象対象者固有の認知を,個人固有のCNNアーキテクチャの形で表現することを提案する。 各人物固有のCNNは、ニューラルアーキテクチャサーチ(NAS)と新しい適応損失関数によって探索される。 実験の結果,生成したグラフ表現は対象者の性格特性とよく関連していることがわかった。
  論文  参考訳（メタデータ） (2021-10-26T11:04:23Z)
• Exploiting Emotional Dependencies with Graph Convolutional Networks for Facial Expression Recognition [31.40575057347465]
  本稿では,視覚における表情認識のためのマルチタスク学習フレームワークを提案する。 MTL設定において、離散認識と連続認識の両方のために共有特徴表現が学習される。 実験の結果,本手法は離散FER上での最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-07T10:20:05Z)
• The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
  顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。 私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。 我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
  論文  参考訳（メタデータ） (2020-09-15T09:25:37Z)
• GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training [62.73470368851127]
  グラフ表現学習は現実世界の問題に対処する強力な手法として登場した。 自己教師付きグラフニューラルネットワーク事前トレーニングフレームワークであるGraph Contrastive Codingを設計する。 3つのグラフ学習タスクと10のグラフデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-06-17T16:18:35Z)

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。