論文の概要: Modelling Real-Life Cycling Decisions in Real Urban Settings Through Psychophysiology and LLM-Derived Contextual Data
- arxiv url: http://arxiv.org/abs/2510.24726v1
- Date: Fri, 03 Oct 2025 01:19:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-03 05:35:45.978908
- Title: Modelling Real-Life Cycling Decisions in Real Urban Settings Through Psychophysiology and LLM-Derived Contextual Data
- Title（参考訳）: 心理生理学とLLM発達文脈データによる実都市環境におけるリアルタイムサイクル決定のモデル化
- Authors: Maximiliano Rosadio Z., Angel Jimenez-Molina, Bastián Henríquez, Paulina Leiva, Ricardo Hurtubia, Ricardo De La Paz Guala, Leandro Gayozo, C. Angelo Guevara,
- Abstract要約: 本稿では,大規模言語モデル(LLM)を用いて,記録マルチメディアから文脈データを抽出する,革新的な手法を提案する。
適用されたモデルは、異なる環境と交通状況が、生理的データを用いて参加者の感情状態や行動にどのように影響するかを理解することに焦点を当てる。
この研究は、サイクリングの決定がストレス関連の感情に影響されることを確認し、都市特性と交通条件がサイクリストの行動に与える影響を強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Measuring emotional states in transportation contexts is an emerging field. Methods based on self-reported emotions are limited by their low granularity and their susceptibility to memory bias. In contrast, methods based on physiological indicators provide continuous data, enabling researchers to measure changes in emotional states with high detail and accuracy. Not only are emotions important in the analysis, but understanding what triggers emotional changes is equally important. Uncontrolled variables such as traffic conditions, pedestrian interactions, and infrastructure remain a significant challenge, as they can have a great impact on emotional states. Explaining the reasons behind these emotional states requires gathering sufficient and proper contextual data, which can be extremely difficult in real-world environments. This paper addresses these challenges by applying an innovative approach, extracting contextual data (expert annotator level) from recorded multimedia using large language models (LLMs). In this paper, data are collected from an urban cycling case study of the City of Santiago, Chile. The applied models focus on understanding how different environments and traffic situations affect the emotional states and behaviors of the participants using physiological data. Sequences of images, extracted from the recorded videos, are processed by LLMs to obtain semantic descriptions of the environment. These discrete, although dense and detailed, contextual data are integrated into a hybrid model, where fatigue and arousal serve as latent variables influencing observed cycling behaviors (inferred from GPS data) like waiting, accelerating, braking, etc. The study confirms that cycling decisions are influenced by stress-related emotions and highlights the strong impact of urban characteristics and traffic conditions on cyclist behavior.
- Abstract（参考訳）: 交通状況における感情状態の測定は、新たな分野である。
自己報告された感情に基づく方法は、その低い粒度と、記憶バイアスに対する感受性によって制限される。
対照的に、生理指標に基づく手法は継続的なデータを提供し、研究者は感情状態の変化を高精度で測定することができる。
分析において感情は重要であるだけでなく、感情の変化を引き起こすものを理解することも重要である。
交通条件、歩行者の相互作用、インフラといった制御されていない変数は、感情状態に大きな影響を与える可能性があるため、依然として大きな課題である。
これらの感情状態の背後にある理由を説明するには、十分な適切な文脈データを収集する必要がある。
本稿では,大規模言語モデル(LLM)を用いて,記録マルチメディアから文脈データ(エキスパートアノテータレベル)を抽出する,革新的なアプローチを適用することで,これらの課題に対処する。
本稿では,チリ・サンティアゴ市の都市サイクリングケーススタディからデータを収集した。
適用されたモデルは、異なる環境と交通状況が、生理的データを用いて参加者の感情状態や行動にどのように影響するかを理解することに焦点を当てる。
記録された映像から抽出された画像のシーケンスをLCMによって処理し、環境の意味的記述を得る。
これらの離散的で詳細なデータはハイブリッドモデルに統合され、疲労や覚醒が待ち、加速、ブレーキなどの観測されたサイクリング行動(GPSデータから推測される)に影響を与える潜伏変数として機能する。
この研究は、サイクリングの決定がストレス関連の感情に影響されることを確認し、都市特性と交通条件がサイクリストの行動に与える影響を強調している。
関連論文リスト
- How built environment shapes cycling experience: A multi-scale review in historical urban contexts [2.770226625653906]
我々は、都市計画、交通、行動科学、神経科学、公衆衛生に関する68の研究を体系的にレビューした。
生活環境として,客観的なプロキシ,主観的アカウントの限定的な統合,街路景観への注意の欠如等に,絶え間なく依存していることがわかった。
論文 参考訳（メタデータ） (2025-09-19T06:30:32Z) - EmoCAST: Emotional Talking Portrait via Emotive Text Description [56.42674612728354]
EmoCASTは、正確なテキスト駆動感情合成のための拡散ベースのフレームワークである。
外観モデリングでは、感情的なプロンプトはテキスト誘導の分離された感情的モジュールを通して統合される。
EmoCASTは、現実的で感情的に表現され、音声同期されたトーキーヘッドビデオを生成する、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-08-28T10:02:06Z) - CAST-Phys: Contactless Affective States Through Physiological signals Database [74.28082880875368]
感情的なマルチモーダルデータセットの欠如は、正確な感情認識システムを開発する上で、依然として大きなボトルネックとなっている。
遠隔の生理的感情認識が可能な新しい高品質なデータセットであるCAST-Physを提示する。
本分析では,表情だけでは十分な感情情報が得られない現実的なシナリオにおいて,生理的信号が重要な役割を担っていることを強調した。
論文 参考訳（メタデータ） (2025-07-08T15:20:24Z) - Modelling Emotions in Face-to-Face Setting: The Interplay of Eye-Tracking, Personality, and Temporal Dynamics [1.4645774851707578]
本研究では、視線追跡データ、時間的ダイナミクス、性格特性を統合することで、知覚と知覚の両方の感情の検出を大幅に向上させる方法について述べる。
本研究は,将来の情緒コンピューティングと人間エージェントシステムの設計を示唆するものである。
論文 参考訳（メタデータ） (2025-03-18T13:15:32Z) - Implicit Design Choices and Their Impact on Emotion Recognition Model
Development and Evaluation [5.534160116442057]
感情の主観性は、正確で堅牢な計算モデルを開発する上で大きな課題を生じさせる。
この論文は、多様なデータセットの収集から始まる感情認識の批判的な側面を調べる。
非表現的トレーニングデータの課題に対処するため、この研究はマルチモーダルストレス感情データセットを収集する。
論文 参考訳（メタデータ） (2023-09-06T02:45:42Z) - I am Only Happy When There is Light: The Impact of Environmental Changes
on Affective Facial Expressions Recognition [65.69256728493015]
本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。
以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
論文 参考訳（メタデータ） (2022-10-28T16:28:26Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳（メタデータ） (2022-10-13T05:56:20Z) - A cross-corpus study on speech emotion recognition [29.582678406878568]
本研究では,行動感情から学習した情報が,自然感情の検出に有用かどうかを検討する。
成人英語の4つのデータセットは、行動的、誘惑的、自然な感情をカバーしている。
性能劣化を正確に調査するための最先端モデルを提案する。
論文 参考訳（メタデータ） (2022-07-05T15:15:22Z) - The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional
Reactions, and Stress [71.06453250061489]
マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。
今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
論文 参考訳（メタデータ） (2022-06-23T13:34:33Z) - Affect2MM: Affective Analysis of Multimedia Content Using Emotion
Causality [84.69595956853908]
本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。
私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
論文 参考訳（メタデータ） (2021-03-11T09:07:25Z) - A Spontaneous Driver Emotion Facial Expression (DEFE) Dataset for
Intelligent Vehicles [13.877751298110148]
本稿では,運転者の自発的感情分析のための新たなデータセットであるドライバ感情表情(DEFE)データセットを提案する。
データセットには、運転中の60人の参加者による表情記録が含まれている。
私たちの知る限りでは、これは現在、唯一の公開ドライバーの表情データセットである。
論文 参考訳（メタデータ） (2020-04-26T07:15:50Z)
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。