論文の概要: OPEN: A Benchmark Dataset and Baseline for Older Adult Patient Engagement Recognition in Virtual Rehabilitation Learning Environments

• arxiv url: http://arxiv.org/abs/2507.17959v1
• Date: Wed, 23 Jul 2025 22:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:42.636266
• Title: OPEN: A Benchmark Dataset and Baseline for Older Adult Patient Engagement Recognition in Virtual Rehabilitation Learning Environments
• Title（参考訳）: OPEN:バーチャルリハビリテーション学習環境における高齢者エンゲージメント認識のためのベンチマークデータセットとベースライン
• Authors: Ali Abedi, Sadaf Safa, Tracey J. F. Colella, Shehroz S. Khan,
• Abstract要約: 本稿では,AIによるエンゲージメント認識を支援する新しいデータセットであるOPEN(Old adult patient ENgagement)を紹介する。 心臓リハビリテーションの一環として,週に1回の仮想グループ学習セッションに参加した高齢者11名から収集した。 有用性を実証するために、複数の機械学習モデルとディープラーニングモデルをトレーニングし、エンゲージメント認識の精度を最大81%達成した。
• 参考スコア（独自算出の注目度）: 1.9827390755712084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Engagement in virtual learning is essential for participant satisfaction, performance, and adherence, particularly in online education and virtual rehabilitation, where interactive communication plays a key role. Yet, accurately measuring engagement in virtual group settings remains a challenge. There is increasing interest in using artificial intelligence (AI) for large-scale, real-world, automated engagement recognition. While engagement has been widely studied in younger academic populations, research and datasets focused on older adults in virtual and telehealth learning settings remain limited. Existing methods often neglect contextual relevance and the longitudinal nature of engagement across sessions. This paper introduces OPEN (Older adult Patient ENgagement), a novel dataset supporting AI-driven engagement recognition. It was collected from eleven older adults participating in weekly virtual group learning sessions over six weeks as part of cardiac rehabilitation, producing over 35 hours of data, making it the largest dataset of its kind. To protect privacy, raw video is withheld; instead, the released data include facial, hand, and body joint landmarks, along with affective and behavioral features extracted from video. Annotations include binary engagement states, affective and behavioral labels, and context-type indicators, such as whether the instructor addressed the group or an individual. The dataset offers versions with 5-, 10-, 30-second, and variable-length samples. To demonstrate utility, multiple machine learning and deep learning models were trained, achieving engagement recognition accuracy of up to 81 percent. OPEN provides a scalable foundation for personalized engagement modeling in aging populations and contributes to broader engagement recognition research.
• Abstract（参考訳）: 仮想学習におけるエンゲージメントは、特に対話的コミュニケーションが重要な役割を果たすオンライン教育や仮想リハビリテーションにおいて、参加者の満足度、パフォーマンス、定着に不可欠である。 しかし、バーチャルグループ設定におけるエンゲージメントを正確に測定することは依然として困難である。 大規模、現実世界、自動化されたエンゲージメント認識に人工知能(AI)を使うことへの関心が高まっている。 エンゲージメントは若年層で広く研究されているが、バーチャル・テレヘルスの学習環境における高齢者を対象とした研究やデータセットは依然として限られている。 既存の方法は、セッション間のエンゲージメントの文脈的関連性や縦断的な性質を無視することが多い。 本稿では,AIによるエンゲージメント認識を支援する新しいデータセットであるOPEN(Old adult patient ENgagement)を紹介する。 心臓リハビリテーションの一環として、毎週6週間にわたって仮想グループ学習セッションに参加している11人の高齢者から収集され、35時間以上のデータを生み出した。 プライバシーを守るために、生のビデオは保持されない。代わりにリリースされたデータには、顔、手、そして身体の関節のランドマークと、ビデオから抽出された感情的および行動的特徴が含まれている。 アノテーションには、バイナリエンゲージメント状態、感情的および行動的ラベル、インストラクターがグループや個人に話しかけたかどうかといった文脈型インジケータが含まれる。 データセットには5秒、10秒、30秒、可変長のサンプルがある。 有用性を実証するために、複数の機械学習モデルとディープラーニングモデルをトレーニングし、エンゲージメント認識の精度を最大81%達成した。 OPENは高齢人口におけるパーソナライズされたエンゲージメントモデリングのためのスケーラブルな基盤を提供し、幅広いエンゲージメント認識研究に貢献する。

関連論文リスト

• Supervised Contrastive Learning for Ordinal Engagement Measurement [2.166000001057538]
  学生のエンゲージメントは、教育プログラムの納入を成功させる上で重要な役割を担っている。 本稿では、クラス不均衡とエンゲージメントレベルへの秩序導入という、この問題における2つの重要な課題を明らかにする。 仮想学習環境におけるビデオベースの学生エンゲージメント測定への新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-27T03:49:45Z)
• Deep Learning-Based Facial Expression Recognition for the Elderly: A Systematic Review [0.5242869847419834]
  世界人口の急速な高齢化は、高齢者を支援する技術の必要性を浮き彫りにした。 表情認識(FER)システムは、感情状態を監視する非侵襲的な手段を提供する。 本研究は,高齢者を対象とした深層学習に基づくFERシステムの体系的レビューである。
  論文  参考訳（メタデータ） (2025-02-04T11:05:24Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• SDFR: Synthetic Data for Face Recognition Competition [51.9134406629509]
  大規模な顔認識データセットは、インターネットをクロールして個人の同意なしに収集し、法的、倫理的、プライバシー上の懸念を提起する。 近年、ウェブクローリングされた顔認識データセットにおける懸念を軽減するために、合成顔認識データセットの生成が提案されている。 本稿では,第18回IEEE International Conference on Automatic Face and Gesture Recognition (FG 2024)と共同で開催されているSynthetic Data for Face Recognition (SDFR)コンペティションの概要を紹介する。 SDFRコンペティションは2つのタスクに分けられ、参加者は新しい合成データセットまたは/または既存のデータセットを使用して顔認識システムを訓練することができる。
  論文  参考訳（メタデータ） (2024-04-06T10:30:31Z)
• Engagement Measurement Based on Facial Landmarks and Spatial-Temporal Graph Convolutional Networks [2.4343669357792708]
  本稿では,ビデオからのエンゲージメント測定のための新しいプライバシ保護手法を提案する。 MediaPipeのディープラーニングソリューションを通じてビデオから抽出された、個人識別可能な情報を持たない顔のランドマークを使用している。 提案手法は,仮想学習プラットフォーム上に展開し,リアルタイムにエンゲージメントを測定することができる。
  論文  参考訳（メタデータ） (2024-03-25T20:43:23Z)
• Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
  そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。 次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。 私たちのアプローチは、以前のベースラインを最大5%上回ります。
  論文  参考訳（メタデータ） (2023-11-10T18:38:14Z)
• Towards Continual Egocentric Activity Recognition: A Multi-modal Egocentric Activity Dataset for Continual Learning [21.68009790164824]
  UESTC-MMEA-CLという連続学習のためのマルチモーダル・エゴセントリックな活動データセットを提案する。 ビデオ、加速度計、ジャイロスコープの同期データを含み、32種類の日常活動が10人の参加者によって行われる。 RGB, 加速度, ジャイロスコープの3つのモードを別々に使用した場合に, エゴセントリックな活動認識の結果が報告される。
  論文  参考訳（メタデータ） (2023-01-26T04:32:00Z)
• Joint Engagement Classification using Video Augmentation Techniques for Multi-person Human-robot Interaction [22.73774398716566]
  本稿では,親子のダイアドの交際関係を同定するための新しい枠組みを提案する。 家庭の社会ロボットと一緒に物語本を読む親のダイアドのデータセットを用いて、まずRGBフレームと骨格ベースの関節エンゲージメント認識モデルを訓練する。 第2に,ロボット親子間相互作用における学習モデルの使用に関する実験結果を示す。
  論文  参考訳（メタデータ） (2022-12-28T23:52:55Z)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• Understanding the Representation and Representativeness of Age in AI Data Sets [43.20868863618351]
  我々は、AIデータセットにおいて、高齢者が人口に比例するかどうかを問う。 5つのデータセットは被験者の閉じた年齢間隔を明示的に記録している。 ドキュメントやメタデータに年齢関連の情報を含むデータセットは,わずか24に過ぎません。
  論文  参考訳（メタデータ） (2021-03-10T12:26:22Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。