論文の概要: AffectEval: A Modular and Customizable Framework for Affective Computing

• arxiv url: http://arxiv.org/abs/2504.21184v1
• Date: Tue, 29 Apr 2025 21:40:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 23:22:38.942893
• Title: AffectEval: A Modular and Customizable Framework for Affective Computing
• Title（参考訳）: AffectEval: Affective Computingのためのモジュール的でカスタマイズ可能なフレームワーク
• Authors: Emily Zhou, Khushboo Khatri, Yixue Zhao, Bhaskar Krishnamachari,
• Abstract要約: AffectEvalは、モジュール的でカスタマイズ可能なフレームワークで、感情的なコンピューティングパイプラインの開発を容易にする。 我々のフレームワークは、生のコード行の削減によって、プログラミングの労力を最大90%削減することを示した。
• 参考スコア（独自算出の注目度）: 6.985157993580522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The field of affective computing focuses on recognizing, interpreting, and responding to human emotions, and has broad applications across education, child development, and human health and wellness. However, developing affective computing pipelines remains labor-intensive due to the lack of software frameworks that support multimodal, multi-domain emotion recognition applications. This often results in redundant effort when building pipelines for different applications. While recent frameworks attempt to address these challenges, they remain limited in reducing manual effort and ensuring cross-domain generalizability. We introduce AffectEval, a modular and customizable framework to facilitate the development of affective computing pipelines while reducing the manual effort and duplicate work involved in developing such pipelines. We validate AffectEval by replicating prior affective computing experiments, and we demonstrate that our framework reduces programming effort by up to 90%, as measured by the reduction in raw lines of code.
• Abstract（参考訳）: 感情コンピューティングの分野は、人間の感情を認識し、解釈し、反応することに焦点を当てており、教育、児童発達、人間の健康と健康に幅広い応用がある。 しかし、マルチモーダル、マルチドメインの感情認識アプリケーションをサポートするソフトウェアフレームワークが不足しているため、感情的なコンピューティングパイプラインの開発は依然として労働集約的である。 これはしばしば、異なるアプリケーションのためのパイプラインを構築する際に冗長な労力をもたらす。 最近のフレームワークはこれらの課題に対処しようとしているが、手作業の削減とドメイン間の一般化の確保に制限されている。 AffectEvalは、モジュール的でカスタマイズ可能なフレームワークで、感情的なコンピューティングパイプラインの開発を容易にし、手作業とそのようなパイプラインの開発に関わる重複作業を減らす。 我々は,AffectEvalを事前の感情計算実験を複製することによって検証し,本フレームワークが生のコード行数を減らし,プログラミングの労力を最大90%削減できることを実証した。

関連論文リスト

• Understanding Human Activity with Uncertainty Measure for Novelty in Graph Convolutional Networks [2.223052975765005]
  本稿では,テンポラルフュージョングラフ畳み込みネットワークについて紹介する。 これは、アクティビティストリーム内の個々のアクションの境界推定が不十分であることを是正することを目的としている。 また、時間次元における過分割の問題も緩和する。
  論文  参考訳（メタデータ） (2024-10-10T13:44:18Z)
• BloomWise: Enhancing Problem-Solving capabilities of Large Language Models using Bloom's-Taxonomy-Inspired Prompts [59.83547898874152]
  我々は,Bloomの分類にインスパイアされた新しいプロンプト技術であるBloomWiseを導入し,Large Language Models(LLMs)の性能を向上させる。 より洗練された認知スキルを身につける必要性に関する決定は、LLMによる自己評価に基づいている。 4つの一般的な算数推論データセットの広範な実験において,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-05T09:27:52Z)
• Composable Interventions for Language Models [60.32695044723103]
  言語モデルのテストタイム介入は、事実の正確性を高め、有害な出力を軽減し、コストのかかる再トレーニングなしにモデルの効率を向上させる。 しかし、新しい手法の洪水にもかかわらず、様々な種類の介入が独立して発展している。 複数の介入が同じ言語モデルに与える影響を研究するためのフレームワークである構成可能な介入を導入する。
  論文  参考訳（メタデータ） (2024-07-09T01:17:44Z)
• An End-to-End Network Pruning Pipeline with Sparsity Enforcement [0.0]
  トレーニングのすべての段階において、ニューラルネットワークのプルーニングとスパーシフィケーションに適したエンドツーエンドのトレーニングパイプラインを開発します。 本研究は, 刈り込み工程で使用する異なる技術に加えて, これらの手法の組み合わせを利用した実験を行う。
  論文  参考訳（メタデータ） (2023-12-04T06:11:39Z)
• ChatDev: Communicative Agents for Software Development [84.90400377131962]
  ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。 これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
  論文  参考訳（メタデータ） (2023-07-16T02:11:34Z)
• Actively Learning Costly Reward Functions for Reinforcement Learning [56.34005280792013]
  複雑な実世界の環境でエージェントを訓練することは、桁違いに高速であることを示す。 強化学習の手法を新しい領域に適用することにより、興味深く非自明な解を見つけることができることを示す。
  論文  参考訳（メタデータ） (2022-11-23T19:17:20Z)
• Benchopt: Reproducible, efficient and collaborative optimization benchmarks [67.29240500171532]
  Benchoptは、機械学習で最適化ベンチマークを自動化、再生、公開するためのフレームワークである。 Benchoptは実験を実行、共有、拡張するための既製のツールを提供することで、コミュニティのベンチマークを簡単にする。
  論文  参考訳（メタデータ） (2022-06-27T16:19:24Z)
• Soft-Sensing ConFormer: A Curriculum Learning-based Convolutional Transformer [4.881725094341089]
  ウェーハ故障診断のためのソフトセンシング型コンバータ(畳み込み変換器)を提案する。 ソフトセンシングのConFormerモデルをカリキュラムベースの損失関数で強化し、トレーニングの初期段階で簡単なサンプルを効果的に学習し、その後に難易度を学習する。 私たちの知る限りでは、カリキュラムベースのソフトセンシングConFormerアーキテクチャがソフトセンシングデータに対して提案されたのはこれが初めてです。
  論文  参考訳（メタデータ） (2021-11-12T23:29:43Z)
• Learning with Algorithmic Supervision via Continuous Relaxations [19.437400671428737]
  エンドツーエンドのトレーニング可能なニューラルネットワークアーキテクチャにアルゴリズムを統合するアプローチを提案する。 有意義な勾配を得るために、各変数はロジスティック分布を介して摂動される。 提案した連続緩和モデルを4つの課題に対して評価し,各課題に特化して設計された緩和に追従できることを示す。
  論文  参考訳（メタデータ） (2021-10-11T23:52:42Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)
• Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
  我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。 本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
  論文  参考訳（メタデータ） (2021-06-01T20:07:16Z)
• Modular approach to data preprocessing in ALOHA and application to a smart industry use case [0.0]
  データ前処理と変換パイプラインをサポートするために、ALOHAツールフローに統合されたモジュラーアプローチに対処する。 提案手法の有効性を示すために,キーワードスポッティングのユースケースに関する実験結果を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:48:51Z)

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。