論文の概要: Emotions in the Loop: A Survey of Affective Computing for Emotional Support
- arxiv url: http://arxiv.org/abs/2505.01542v1
- Date: Fri, 02 May 2025 19:06:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.169798
- Title: Emotions in the Loop: A Survey of Affective Computing for Emotional Support
- Title（参考訳）: ループにおける感情:感情支援のための感情コンピューティングに関する調査
- Authors: Karishma Hegde, Hemadri Jayalath,
- Abstract要約: Affective Computingは、マシンがユーザー感情の処理と応答を可能にして人間化された革新的なソリューションで登場している。
本稿では,大規模言語モデル(LLM)やマルチモーダル手法,パーソナライズされたAIシステムといったアプローチを用いて,感情認識,感情分析,パーソナライズといった分野における感情コンピューティング応用における最近の研究成果について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a world where technology is increasingly embedded in our everyday experiences, systems that sense and respond to human emotions are elevating digital interaction. At the intersection of artificial intelligence and human-computer interaction, affective computing is emerging with innovative solutions where machines are humanized by enabling them to process and respond to user emotions. This survey paper explores recent research contributions in affective computing applications in the area of emotion recognition, sentiment analysis and personality assignment developed using approaches like large language models (LLMs), multimodal techniques, and personalized AI systems. We analyze the key contributions and innovative methodologies applied by the selected research papers by categorizing them into four domains: AI chatbot applications, multimodal input systems, mental health and therapy applications, and affective computing for safety applications. We then highlight the technological strengths as well as the research gaps and challenges related to these studies. Furthermore, the paper examines the datasets used in each study, highlighting how modality, scale, and diversity impact the development and performance of affective models. Finally, the survey outlines ethical considerations and proposes future directions to develop applications that are more safe, empathetic and practical.
- Abstract（参考訳）: テクノロジーが日々の体験にますます浸透している世界では、人間の感情を感知し、反応するシステムがデジタルインタラクションを高めている。
人工知能と人間とコンピュータの相互作用の交わりで、感情的コンピューティングは、マシンがユーザーの感情を処理し、反応させることによって人間化される革新的なソリューションで登場しつつある。
本稿では,大規模言語モデル(LLM)やマルチモーダル手法,パーソナライズされたAIシステムといったアプローチを用いて,感情認識,感情分析,パーソナライズといった分野における感情コンピューティング応用における最近の研究成果について検討する。
本稿では、AIチャットボットアプリケーション、マルチモーダル入力システム、メンタルヘルスとセラピーアプリケーション、安全アプリケーションに対する感情コンピューティングの4つの領域に分類することで、選択された研究論文に適用される重要な貢献と革新的な方法論を分析した。
次に、これらの研究の技術的強みと、これらの研究に関連する研究のギャップと課題を強調します。
さらに、各研究で使用されるデータセットについて検討し、モダリティ、スケール、多様性が感情モデルの開発と性能に与える影響を明らかにする。
最後に、倫理的考察を概説し、より安全で共感的で実践的なアプリケーションを開発するための今後の方向性を提案する。
関連論文リスト
- Bridging Cognition and Emotion: Empathy-Driven Multimodal Misinformation Detection [56.644686934050576]
ソーシャルメディアは情報発信の主流となっているが、誤報の急速な拡散を助長している。
従来の誤報検出法は主に表面的な特徴に焦点を合わせ、伝播過程における人間の共感の重要な役割を見落としている。
著者と読者の両方の視点から誤情報を分析するために、認知的・感情的共感を統合したデュアル・アスペクト・共感フレームワーク(DAE)を提案する。
論文 参考訳（メタデータ） (2025-04-24T07:48:26Z) - "Only ChatGPT gets me": An Empirical Analysis of GPT versus other Large Language Models for Emotion Detection in Text [2.6012482282204004]
本研究では,大規模言語モデル(LLM)のテキストによる人間の感情の検出と理解能力について検討する。
GoEmotionsデータセットの最先端モデルとの比較を含む方法論を用いて,感情分析システムとしてのLLMの有効性を評価することを目的とする。
論文 参考訳（メタデータ） (2025-03-05T09:47:49Z) - Twenty Years of Personality Computing: Threats, Challenges and Future Directions [76.46813522861632]
パーソナリティ・コンピューティング(Personality Computing)は、パーソナリティ心理学とコンピュータ科学の交差点にある分野である。
本稿では、その分野の概要を述べ、鍵となる方法論を探求し、課題と脅威について論じ、パーソナリティ・コンピューティング・テクノロジーの開発・展開における今後の方向性について概説する。
論文 参考訳（メタデータ） (2025-03-03T22:03:48Z) - Emotion Recognition and Generation: A Comprehensive Review of Face, Speech, and Text Modalities [8.08366903467967]
我々は、顔、声、テキストのモダリティにまたがる感情認識と生成の基礎となる原則を紹介する。
本稿では,評価指標,比較分析,現状の限界について論じ,この分野の研究者が直面している課題に光を当てる。
論文 参考訳（メタデータ） (2025-02-02T00:11:19Z) - 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) - 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) - 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) - Empathetic Conversational Systems: A Review of Current Advances, Gaps,
and Opportunities [2.741266294612776]
多くの研究が共感の利点を認識し、共感を会話システムに取り入れ始めた。
本稿では,5つのレビュー次元を用いて,急速に成長するこの分野について検討する。
論文 参考訳（メタデータ） (2022-05-09T05:19:48Z) - Multimodal Emotion Recognition using Transfer Learning from Speaker
Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。
本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文 参考訳（メタデータ） (2022-02-16T00:23:42Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z)
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。