論文の概要: MoME: Estimating Psychological Traits from Gait with Multi-Stage Mixture of Movement Experts

• arxiv url: http://arxiv.org/abs/2510.04654v1
• Date: Mon, 06 Oct 2025 09:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.795853
• Title: MoME: Estimating Psychological Traits from Gait with Multi-Stage Mixture of Movement Experts
• Title（参考訳）: MoME:運動専門家の多段階混合による歩行からの心理的特性の推定
• Authors: Andy Cǎtrunǎ, Adrian Cosma, Emilian Rǎdoi,
• Abstract要約: 本稿では,2次元ポーズとして表現された歩行シーケンスから心理的属性をマルチタスクで予測するためのマルチステップ・ミックス・オブ・エキスパート(MoME)アーキテクチャを提案する。 MoMEは4段階の複雑さで歩行サイクルを処理し、軽量な専門家モデルを用いて行動的特徴を抽出する。 提案手法は最先端歩行分析モデルより優れており,37.47%の重み付きF1スコア,44.6%の被験者で達成されている。
• 参考スコア（独自算出の注目度）: 1.4969391620741985
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gait encodes rich biometric and behavioural information, yet leveraging the manner of walking to infer psychological traits remains a challenging and underexplored problem. We introduce a hierarchical Multi-Stage Mixture of Movement Experts (MoME) architecture for multi-task prediction of psychological attributes from gait sequences represented as 2D poses. MoME processes the walking cycle in four stages of movement complexity, employing lightweight expert models to extract spatio-temporal features and task-specific gating modules to adaptively weight experts across traits and stages. Evaluated on the PsyMo benchmark covering 17 psychological traits, our method outperforms state-of-the-art gait analysis models, achieving a 37.47% weighted F1 score at the run level and 44.6% at the subject level. Our experiments show that integrating auxiliary tasks such as identity recognition, gender prediction, and BMI estimation further improves psychological trait estimation. Our findings demonstrate the viability of multi-task gait-based learning for psychological trait estimation and provide a foundation for future research on movement-informed psychological inference.
• Abstract（参考訳）: ゲイトは豊富な生体情報と行動情報をエンコードするが、心理学的特徴を推測する歩行の方法を活用することは困難な問題であり、探索されていない問題である。 本稿では,2次元ポーズとして表現された歩行シーケンスから心理的属性をマルチタスクで予測するための階層的多段階運動エキスパート(MoME)アーキテクチャを提案する。 MoMEは、歩行サイクルを4段階の運動複雑性で処理し、軽量な専門家モデルを用いて時空間の特徴を抽出し、タスク固有のゲーティングモジュールを使用して、特徴やステージにわたって専門家を適応的に重み付けする。 PsyMoベンチマークを17種類の心理的特徴について評価したところ、この手法は最先端の歩行分析モデルより優れており、37.47%の重み付きF1スコア、44.6%の被験者レベルで達成されている。 実験の結果,アイデンティティ認識や性別予測,BMI推定などの補助的タスクを統合することにより,心理的特徴の推定がさらに向上することが示された。 本研究は,多タスク歩行に基づく心理的特徴推定学習の実現可能性を示すとともに,運動インフォームド心理学的推論の今後の研究基盤を提供するものである。

関連論文リスト

• Human-MME: A Holistic Evaluation Benchmark for Human-Centric Multimodal Large Language Models [119.52829803686319]
  MLLM(Multimodal Large Language Models)は視覚的理解タスクにおいて大きな進歩を見せている。 Human-MMEは、人間中心のシーン理解におけるMLLMのより総合的な評価を提供するために設計された、キュレートされたベンチマークである。 我々のベンチマークは、単一対象の理解を多対多の相互理解に拡張する。
  論文  参考訳（メタデータ） (2025-09-30T12:20:57Z)
• Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
  VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。 GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。 最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
  論文  参考訳（メタデータ） (2025-02-23T04:21:32Z)
• AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts [27.240795549935463]
  ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。 我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。 本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-04-17T14:55:27Z)
• Prediction of multitasking performance post-longitudinal tDCS via EEG-based functional connectivity and machine learning methods [1.9351774578832828]
  認知能力の変化を予測するため,脳波に基づく機能的接続解析と機械学習アルゴリズムを用いた。 本稿では,リアルタイム認知状態評価装置の開発における結果の影響について論じる。
  論文  参考訳（メタデータ） (2024-01-31T10:03:27Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Evaluating Subjective Cognitive Appraisals of Emotions from Large Language Models [47.890846082224066]
  この研究は、24の評価次元を評価する最も包括的なデータセットであるCovidET-Appraisalsを提示することでギャップを埋める。 CovidET-Appraisalsは、認知的評価を自動的に評価し、説明するための大規模言語モデルの能力を評価するのに理想的なテストベッドを提供する。
  論文  参考訳（メタデータ） (2023-10-22T19:12:17Z)
• PsyMo: A Dataset for Estimating Self-Reported Psychological Traits from Gait [4.831663144935878]
  PsyMoは、歩行パターンに現れる心理的手がかりを探索するための、新しく、多目的かつマルチモーダルなデータセットである。 被験者312名から7種類の歩行変化と6種類のカメラアングルで歩行シーケンスを収集した。 被験者は歩数と合わせて6つの心理的質問紙に記入し,性格,自尊心,疲労,攻撃性,精神的健康に関連する17の心理指標を集計した。
  論文  参考訳（メタデータ） (2023-08-21T11:06:43Z)
• Multitask Learning for Emotion and Personality Detection [17.029426018676997]
  本研究では,人格特性と感情行動の相関関係を解明し,新しいマルチタスク学習フレームワークSoGMTLを提案する。 当社の計算効率の高いCNNベースのマルチタスクモデルは、複数の有名なパーソナリティおよび感情データセットにわたる最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-01-07T03:09:55Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。