論文の概要: Towards affective computing that works for everyone
- arxiv url: http://arxiv.org/abs/2309.10780v1
- Date: Tue, 19 Sep 2023 17:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 13:10:02.743503
- Title: Towards affective computing that works for everyone
- Title（参考訳）: 誰でも使える感情コンピューティングを目指して
- Authors: Tessa Verhoef and Eduard Fosch-Villaronga
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.1450405446885067
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Missing diversity, equity, and inclusion elements in affective computing
datasets directly affect the accuracy and fairness of emotion recognition
algorithms across different groups. A literature review reveals how affective
computing systems may work differently for different groups due to, for
instance, mental health conditions impacting facial expressions and speech or
age-related changes in facial appearance and health. Our work analyzes existing
affective computing datasets and highlights a disconcerting lack of diversity
in current affective computing datasets regarding race, sex/gender, age, and
(mental) health representation. By emphasizing the need for more inclusive
sampling strategies and standardized documentation of demographic factors in
datasets, this paper provides recommendations and calls for greater attention
to inclusivity and consideration of societal consequences in affective
computing research to promote ethical and accurate outcomes in this emerging
field.
- Abstract（参考訳）: 情緒計算データセットにおける多様性、公平性、および包含要素の欠如は、異なるグループにわたる感情認識アルゴリズムの正確性と公平性に直接影響を及ぼす。
文献レビューでは、顔の表情や話し方、年齢による顔の外観や健康の変化など、さまざまなグループに対して、情緒的コンピューティングシステムがいかに異なる働きをするかを説明している。
本研究は,既存の情動計算データセットを分析し,人種・性別・性別・年齢・健康表現に関する現在の情動計算データセットにおける多様性の欠如を浮き彫りにする。
本論文は、データセットにおけるより包括的サンプリング戦略と人口統計因子の標準化文書の必要性を強調することにより、この新興分野における倫理的かつ正確な結果を促進するために、情緒的コンピューティング研究における傾倒と社会的帰結に対するより深い注意を喚起する。
関連論文リスト
- Bridging the Gap: Protocol Towards Fair and Consistent Affect Analysis [24.737468736951374]
日々の生活における機械学習アルゴリズムの統合の増加は、その展開における公平性と公平性の重要性を浮き彫りにしている。
既存のデータベースと方法論は均一性に欠けており、バイアスのある評価につながっている。
この研究は、6つの感情的なデータベースを分析し、属性を注釈付けし、データベース分割のための共通のプロトコルを提案することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-05-10T22:40:01Z) - 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) - Implicit Design Choices and Their Impact on Emotion Recognition Model
Development and Evaluation [5.534160116442057]
感情の主観性は、正確で堅牢な計算モデルを開発する上で大きな課題を生じさせる。
この論文は、多様なデータセットの収集から始まる感情認識の批判的な側面を調べる。
非表現的トレーニングデータの課題に対処するため、この研究はマルチモーダルストレス感情データセットを収集する。
論文 参考訳（メタデータ） (2023-09-06T02:45:42Z) - 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) - 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) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - A Review of Affective Generation Models [7.993547019145323]
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。
論文 参考訳（メタデータ） (2022-02-22T09:32:11Z) - 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) - 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) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z) - No computation without representation: Avoiding data and algorithm
biases through diversity [11.12971845021808]
学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。
これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
論文 参考訳（メタデータ） (2020-02-26T23:07:39Z)
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。