論文の概要: A Review of Human Emotion Synthesis Based on Generative Technology

• arxiv url: http://arxiv.org/abs/2412.07116v1
• Date: Tue, 10 Dec 2024 02:06:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:39:38.798114
• Title: A Review of Human Emotion Synthesis Based on Generative Technology
• Title（参考訳）: 生成技術に基づく人間感情合成の概観
• Authors: Fei Ma, Yukan Li, Yifan Xie, Ying He, Yi Zhang, Hongwei Ren, Zhou Liu, Wei Yao, Fuji Ren, Fei Richard Yu, Shiguang Ni,
• Abstract要約: 人間の感情合成は感情コンピューティングの重要な側面である。 計算手法を使って人間の感情を模倣し、様々なモダリティを通して伝達する。 生成モデルの最近の進歩は、この分野の発展に大きく貢献している。
• 参考スコア（独自算出の注目度）: 14.92674135999986
• License:
• Abstract: Human emotion synthesis is a crucial aspect of affective computing. It involves using computational methods to mimic and convey human emotions through various modalities, with the goal of enabling more natural and effective human-computer interactions. Recent advancements in generative models, such as Autoencoders, Generative Adversarial Networks, Diffusion Models, Large Language Models, and Sequence-to-Sequence Models, have significantly contributed to the development of this field. However, there is a notable lack of comprehensive reviews in this field. To address this problem, this paper aims to address this gap by providing a thorough and systematic overview of recent advancements in human emotion synthesis based on generative models. Specifically, this review will first present the review methodology, the emotion models involved, the mathematical principles of generative models, and the datasets used. Then, the review covers the application of different generative models to emotion synthesis based on a variety of modalities, including facial images, speech, and text. It also examines mainstream evaluation metrics. Additionally, the review presents some major findings and suggests future research directions, providing a comprehensive understanding of the role of generative technology in the nuanced domain of emotion synthesis.
• Abstract（参考訳）: 人間の感情合成は感情コンピューティングの重要な側面である。 それは、より自然で効果的な人間とコンピュータの相互作用を可能にすることを目的として、様々なモダリティを通じて人間の感情を模倣し伝達する計算方法を使用する。 自動エンコーダやジェネレーティブ・アドバイサル・ネットワーク,拡散モデル,大規模言語モデル,シーケンス・ツー・シーケンスモデルといった生成モデルの最近の進歩は,この分野の発展に大きく貢献している。 しかし、この分野には包括的なレビューが欠落している。 この問題を解決するために, 生成モデルに基づく人間の感情合成の最近の進歩を網羅的かつ体系的に概観することにより, このギャップに対処することを目的とする。 具体的には、まず、レビュー方法論、関連する感情モデル、生成モデルの数学的原理、使用されるデータセットを提示する。 次に, 顔画像, 音声, テキストなど, 様々なモダリティに基づく感情合成への様々な生成モデルの適用について述べる。 また、主要な評価指標についても検討している。 さらに、このレビューでは、感情合成のニュアンス領域における生成技術の役割を包括的に理解する上で、いくつかの大きな発見と今後の研究方向性を提案する。

関連論文リスト

• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• 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)
• Generative Artificial Intelligence: A Systematic Review and Applications [7.729155237285151]
  本稿では、ジェネレーティブAIにおける最近の進歩と技術に関する体系的なレビューと分析について述べる。 生成AIがこれまで行った大きな影響は、大きな言語モデルの開発による言語生成である。 論文は、責任あるAIの原則と、これらの生成モデルの持続可能性と成長に必要な倫理的考察から締めくくられる。
  論文  参考訳（メタデータ） (2024-05-17T18:03:59Z)
• ReGenNet: Towards Human Action-Reaction Synthesis [87.57721371471536]
  我々は、人間と人間の相互作用の非対称、動的、同期、および詳細な性質を分析する。 本研究では,人間の行動に条件付けされた人間の反応を生成するための,最初のマルチセットヒト行動反応ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:33:06Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Synthesizing Affective Neurophysiological Signals Using Generative Models: A Review Paper [28.806992102323324]
  マシンにおける感情的知性の統合は、人間とコンピュータの相互作用を前進させる重要なステップである。 公的な感情的データセットの不足は、課題である。 我々は、神経生理学的信号におけるこの問題に対処するための生成モデルの使用を強調した。
  論文  参考訳（メタデータ） (2023-06-05T08:38:30Z)
• Mimetic Models: Ethical Implications of AI that Acts Like You [5.843033621853535]
  人工知能研究における新たなテーマは、特定の人々の決定と振る舞いをシミュレートするモデルの作成である。 われわれは, 倫理的, 社会的問題に対処するための枠組みを構築した。
  論文  参考訳（メタデータ） (2022-07-19T16:41:36Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• Generative Adversarial Networks in Human Emotion Synthesis:A Review [0.0]
  深層生成モデルは、コンピュータビジョンや信号処理といった様々な研究分野において、新たな話題となっている。 影響コンピューティングは、過去20年間に生成モデルの急速な派生を観察した。 表情合成, 音声感情合成, 音声視覚(クロスモーダル)感情合成を概観する。
  論文  参考訳（メタデータ） (2020-10-28T16:45:36Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。