Fugu-MT 論文翻訳(概要): Persistent Patterns in Eye Movements: A Topological Approach to Emotion Recognition

論文の概要: Persistent Patterns in Eye Movements: A Topological Approach to Emotion Recognition

arxiv url: http://arxiv.org/abs/2507.17450v1
Date: Wed, 23 Jul 2025 12:14:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-24 22:33:14.982528
Title: Persistent Patterns in Eye Movements: A Topological Approach to Emotion Recognition
Title（参考訳）: 眼球運動の持続パターン:感情認識へのトポロジ的アプローチ
Authors: Arsha Niksa, Hooman Zare, Ali Shahrabi, Hanieh Hatami, Mohammadreza Razvan,
Abstract要約: 我々は、視線追跡データから複数のクラスの自動感情認識のためのパイプラインを提案する。我々は、平均持続性、最大持続性、エントロピーといった形状に基づく特徴を抽出する。これらの特徴に基づいて訓練されたランダムな森林分類器は、最大75.6%の精度を4つの感情クラスで達成する。
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: We present a topological pipeline for automated multiclass emotion recognition from eye-tracking data. Delay embeddings of gaze trajectories are analyzed using persistent homology. From the resulting persistence diagrams, we extract shape-based features such as mean persistence, maximum persistence, and entropy. A random forest classifier trained on these features achieves up to $75.6\%$ accuracy on four emotion classes, which are the quadrants the Circumplex Model of Affect. The results demonstrate that persistence diagram geometry effectively encodes discriminative gaze dynamics, suggesting a promising topological approach for affective computing and human behavior analysis.
Abstract（参考訳）: 視線追跡データから複数クラスの自動感情認識のためのトポロジ的パイプラインを提案する。視線軌跡の遅延埋め込みを永続的ホモロジーを用いて解析する。得られたパーシステンス図から、平均パーシステンス、最大パーシステンス、エントロピーといった形状に基づく特徴を抽出する。これらの特徴に基づいて訓練されたランダムな森林分類器は、4つの感情クラスにおいて最大で75.6 %の精度を達成している。その結果, パーシステンス・ダイアグラムは識別的視線力学を効果的にエンコードし, 感情計算と人間の行動解析に有望なトポロジ的アプローチを示唆している。

関連論文リスト

From Pixels to Histopathology: A Graph-Based Framework for Interpretable Whole Slide Image Analysis [81.19923502845441]
我々はWSIグラフ表現を構成するグラフベースのフレームワークを開発する。任意のパッチではなく生物学的境界に従う組織表現(ノード)を構築します。本手法の最終段階として,グラフアテンションネットワークを用いて診断課題を解決する。
論文参考訳（メタデータ） (2025-03-14T20:15:04Z)
Dynamic Entity-Masked Graph Diffusion Model for histopathological image Representation Learning [25.197342542821843]
動的Entity-Masked Graph Diffusion Modelによる自己管理型病理画像表現学習法であるH-MGDMを紹介する。具体的には,予備訓練において,相補的な部分グラフを潜時拡散条件として,自己教師対象として用いることを提案する。
論文参考訳（メタデータ） (2024-12-13T10:18:36Z)
Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
論文参考訳（メタデータ） (2024-11-05T16:20:14Z)
Persistent Topological Features in Large Language Models [0.6597195879147556]
トポロジカルな特徴である$p$次元の穴が層全体に持続し、進化していくかを測定するトポロジカル記述子を導入する。このことは、プロンプトがどのように再配置され、それらの相対的な位置が表現空間で変化するかという統計的視点を与える。ショーケースアプリケーションとして、レイヤプルーニングの基準を確立するためにzigzag Persistenceを使用し、最先端の手法に匹敵する結果を得る。
論文参考訳（メタデータ） (2024-10-14T19:46:23Z)
ST-Gait++: Leveraging spatio-temporal convolutions for gait-based emotion recognition on videos [3.1489012476109854]
歩行の分析を通して感情認識のための枠組みを提案する。我々のモデルは空間的時間的グラフ畳み込みネットワークからなる。提案手法をE-Gaitデータセット上で評価し,2177個のサンプルから構成した。
論文参考訳（メタデータ） (2024-05-22T18:24:21Z)
Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文参考訳（メタデータ） (2024-03-23T22:32:06Z)
ShapeWordNet: An Interpretable Shapelet Neural Network for Physiological Signal Classification [16.82411861562806]
生理的信号分類タスクに適した,より効果的で解釈可能なスキームを提案する。時系列シェープレットを利用して、顕著な局所パターンを抽出し、解釈可能なシーケンスの離散化を行う。本研究では,本手法をShapeWordNetと命名し,実世界の3つのデータセットに対する広範な実験を行い,その有効性について検討する。
論文参考訳（メタデータ） (2023-02-10T02:30:31Z)
CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文参考訳（メタデータ） (2022-08-10T15:46:05Z)
Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文参考訳（メタデータ） (2021-06-08T13:40:30Z)
Graph Neural Networks for UnsupervisedDomain Adaptation of Histopathological ImageAnalytics [22.04114134677181]
組織像解析のための教師なし領域適応のための新しい手法を提案する。特徴空間に画像を埋め込むバックボーンと、ラベルで画像の監視信号をプロパゲートするグラフニューラルネットワーク層に基づいている。実験では、4つの公開データセット上での最先端のパフォーマンスを評価する。
論文参考訳（メタデータ） (2020-08-21T04:53:44Z)
Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文参考訳（メタデータ） (2020-04-17T11:55:03Z)

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。