論文の概要: Combining facial videos and biosignals for stress estimation during driving

• arxiv url: http://arxiv.org/abs/2601.04376v1
• Date: Wed, 07 Jan 2026 20:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.905399
• Title: Combining facial videos and biosignals for stress estimation during driving
• Title（参考訳）: 運転時のストレス推定のための顔映像と生体信号の組み合わせ
• Authors: Paraskevi Valergaki, Vassilis C. Nicodemou, Iason Oikonomidis, Antonis Argyros, Anastasios Roussos,
• Abstract要約: EMOCA由来の3次元表現とポーズ係数を用いて、注意散逸運転時のストレスを解析した。 本稿では,トランスフォーマーに基づく時間的モデリングフレームワークの提案と,非モーダル,早期融合,モーダル間注意戦略の評価を行う。
• 参考スコア（独自算出の注目度）: 4.551432404727517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable stress recognition from facial videos is challenging due to stress's subjective nature and voluntary facial control. While most methods rely on Facial Action Units, the role of disentangled 3D facial geometry remains underexplored. We address this by analyzing stress during distracted driving using EMOCA-derived 3D expression and pose coefficients. Paired hypothesis tests between baseline and stressor phases reveal that 41 of 56 coefficients show consistent, phase-specific stress responses comparable to physiological markers. Building on this, we propose a Transformer-based temporal modeling framework and assess unimodal, early-fusion, and cross-modal attention strategies. Cross-Modal Attention fusion of EMOCA and physiological signals achieves best performance (AUROC 92\%, Accuracy 86.7\%), with EMOCA-gaze fusion also competitive (AUROC 91.8\%). This highlights the effectiveness of temporal modeling and cross-modal attention for stress recognition.
• Abstract（参考訳）: 顔画像からの信頼性の高いストレス認識は、ストレスの主観的性質と自発的な顔制御のために困難である。 ほとんどの手法は顔のアクション・ユニットに依存しているが、3次元の顔形状の切り離しの役割は未解明のままである。 EMOCA由来の3次元表現とポーズ係数を用いて、邪魔運転時のストレスを解析することで、この問題に対処する。 ベースラインと応力子相のペア仮説テストにより、56の係数のうち41は、生理的マーカーに匹敵する一貫した位相特異的なストレス応答を示すことが明らかとなった。 そこで本研究では,トランスフォーマーをベースとした時間的モデリングフレームワークを提案する。 EMOCAと生理信号の相互注意融合は最高の性能(AUROC 92\%、精度86.7\%)を達成し、EMOCA-gaze融合も競争力(AUROC 91.8\%)を持つ。 このことは、ストレス認識における時間的モデリングと横断的注意の効果を強調している。

関連論文リスト

• Dynamic Stress Detection: A Study of Temporal Progression Modelling of Stress in Speech [1.3320917259299652]
  我々はストレスを、歴史的感情状態の影響を受けながら、時間的に進化する現象としてモデル化する。 感情的ラベルからきめ細かな応力アノテーションを抽出する動的ラベル付け手法を提案する。 提案手法は既存のベースラインよりも, MuSE と StressID に顕著な精度向上を実現している。
  論文  参考訳（メタデータ） (2025-10-02T06:30:44Z)
• 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)
• Continuous Wavelet Transformation and VGG16 Deep Neural Network for Stress Classification in PPG Signals [0.22499166814992436]
  本研究は,光胸腺X線信号によるストレス分類における画期的なアプローチを提案する。 連続ウェーブレット変換(CWT)を実証されたVGG16に組み込むことで,ストレス評価精度と信頼性を向上させる。
  論文  参考訳（メタデータ） (2024-10-17T19:29:52Z)
• Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
  不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。 この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
  論文  参考訳（メタデータ） (2024-01-23T16:49:54Z)
• Deep-seeded Clustering for Emotion Recognition from Wearable Physiological Sensors [1.380698851850167]
  本稿では,生理的信号から特徴を最小限に抽出し,分類するディープシードクラスタリングアルゴリズムを提案する。 本モデルは,感情コンピューティング研究で頻繁に使用される3つのデータセットに対して,良好な性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-08-17T14:37:35Z)
• Semantic-aware One-shot Face Re-enactment with Dense Correspondence Estimation [100.60938767993088]
  ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。 本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
  論文  参考訳（メタデータ） (2022-11-23T03:02:34Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• Robust and Precise Facial Landmark Detection by Self-Calibrated Pose Attention Network [73.56802915291917]
  より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。 より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。 自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
  論文  参考訳（メタデータ） (2021-12-23T02:51:08Z)
• StressNet: Detecting Stress in Thermal Videos [10.453959171422147]
  本稿では, サーマルビデオから生理的信号を取得し, ストレス状態を分類するための新しい手法を提案する。 ストレスネット (StressNet) は、ストレス人の定量的指標と考えられる心交感神経活動の変化の尺度であるISTI (Initial Systolic Time Interval) を再構成する。 詳細な評価では、ISTI信号の95%の精度で推定し、平均精度0.842で応力を検出することが示されている。
  論文  参考訳（メタデータ） (2020-11-18T20:47:23Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。