論文の概要: A Comprehensive Survey on Affective Computing; Challenges, Trends, Applications, and Future Directions

• arxiv url: http://arxiv.org/abs/2305.07665v1
• Date: Mon, 8 May 2023 10:42:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-21 11:15:01.280553
• Title: A Comprehensive Survey on Affective Computing; Challenges, Trends, Applications, and Future Directions
• Title（参考訳）: 情緒コンピューティングに関する包括的調査 : 課題,トレンド,応用,今後の方向性
• Authors: Sitara Afzal, Haseeb Ali Khan, Imran Ullah Khan, Md. Jalil Piran, Jong Weon Lee
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.8370454072401685
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the name suggests, affective computing aims to recognize human emotions, sentiments, and feelings. There is a wide range of fields that study affective computing, including languages, sociology, psychology, computer science, and physiology. However, no research has ever been done to determine how machine learning (ML) and mixed reality (XR) interact together. This paper discusses the significance of affective computing, as well as its ideas, conceptions, methods, and outcomes. By using approaches of ML and XR, we survey and discuss recent methodologies in affective computing. We survey the state-of-the-art approaches along with current affective data resources. Further, we discuss various applications where affective computing has a significant impact, which will aid future scholars in gaining a better understanding of its significance and practical relevance.
• Abstract（参考訳）: 名前が示すように、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る。 言語、社会学、心理学、コンピュータ科学、生理学など、感情コンピューティングを研究する幅広い分野がある。 しかしながら、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。 本稿では,感情コンピューティングの重要性と,その概念,概念,方法,成果について論じる。 mlとxrのアプローチを用いて,感情コンピューティングにおける最近の手法を調査し,議論する。 我々は現在の情緒的なデータ資源とともに最先端のアプローチを調査した。 さらに,情緒コンピューティングが大きな影響を与える様々な応用について考察し,その意義と実用的妥当性の理解を深める上で役立っている。

関連論文リスト

• Recent Advancement of Emotion Cognition in Large Language Models [40.23093997384297]
  大規模言語モデル(LLM)における感情認知は、様々なアプリケーションのパフォーマンス向上に不可欠である。 我々は、感情分類、感情的に豊かな反応生成、心の理論などを中心に、現在の研究の展望を探求する。
  論文  参考訳（メタデータ） (2024-09-20T09:34:58Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• 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)
• 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)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• 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)
• 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)
• Language Models as Emotional Classifiers for Textual Conversations [3.04585143845864]
  本稿では,会話中の感情を分類する新しい手法を提案する。 提案手法のバックボーンには,事前学習型言語モデル (LM) がある。 提案手法をIEMOCAPとFriendsデータセットに適用する。
  論文  参考訳（メタデータ） (2020-08-27T20:04:30Z)
• 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)
• SensAI+Expanse Emotional Valence Prediction Studies with Cognition and Memory Integration [0.0]
  この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。 開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。 本研究は, 年齢と性別の相違が有意であることを示すものである。
  論文  参考訳（メタデータ） (2020-01-03T18:17:57Z)

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。