論文の概要: MECO: A Multimodal Dataset for Emotion and Cognitive Understanding in Older Adults

• arxiv url: http://arxiv.org/abs/2604.03050v1
• Date: Fri, 03 Apr 2026 14:03:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.489763
• Title: MECO: A Multimodal Dataset for Emotion and Cognitive Understanding in Older Adults
• Title（参考訳）: 高齢者の感情・認知理解のためのマルチモーダルデータセットMECO
• Authors: Hongbin Chen, Jie Li, Wei Wang, Siyang Song, Xiao Gu, Jianqing Li, Wentao Xiang,
• Abstract要約: 高齢者における感情・認知理解のためのマルチモーダルデータセットMECOを提案する。 MECOは42人の参加者を含み、38時間のマルチモーダル信号を提供し、30,592のシンクロ化サンプルを生成する。 このデータセットは、自己評価された原子価、覚醒、6つの基本的な感情、Mini-Mental State Examination認知スコアを含む、感情的および認知的状態の包括的なアノテーションを提供する。
• 参考スコア（独自算出の注目度）: 19.96001371308951
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While affective computing has advanced considerably, multimodal emotion prediction in aging populations remains underexplored, largely due to the scarcity of dedicated datasets. Existing multimodal benchmarks predominantly target young, cognitively healthy subjects, neglecting the influence of cognitive decline on emotional expression and physiological responses. To bridge this gap, we present MECO, a Multimodal dataset for Emotion and Cognitive understanding in Older adults. MECO includes 42 participants and provides approximately 38 hours of multimodal signals, yielding 30,592 synchronized samples. To maximize ecological validity, data collection followed standardized protocols within community-based settings. The modalities cover video, audio, electroencephalography (EEG), and electrocardiography (ECG). In addition, the dataset offers comprehensive annotations of emotional and cognitive states, including self-assessed valence, arousal, six basic emotions, and Mini-Mental State Examination cognitive scores. We further establish baseline benchmarks for both emotion and cognitive prediction. MECO serves as a foundational resource for multimodal modeling of affect and cognition in aging populations, facilitating downstream applications such as personalized emotion recognition and early detection of mild cognitive impairment (MCI) in real-world settings. The complete dataset and supplementary materials are available at https://maitrechen.github.io/meco-page/.
• Abstract（参考訳）: 感情コンピューティングはかなり進歩してきたが、主に専用のデータセットが不足しているため、高齢化人口におけるマルチモーダル感情予測は未探索のままである。 既存のマルチモーダル・ベンチマークは主に若く、認知的に健康な被験者を対象としており、認知の低下が感情表現や生理的反応に与える影響を無視している。 このギャップを埋めるため,高齢者の感情・認知理解のためのマルチモーダルデータセットMECOを提案する。 MECOは42人の参加者を含み、38時間のマルチモーダル信号を提供し、30,592のシンクロ化サンプルを生成する。 生態学的妥当性を最大化するために、データ収集はコミュニティベースの設定で標準化されたプロトコルに従った。 モダリティは、ビデオ、オーディオ、脳波(EEG)、心電図(ECG)をカバーしている。 さらに、データセットは、自己評価された原子価、覚醒、6つの基本的な感情、ミニ・メンタル状態検査認知スコアを含む、感情的および認知的状態の包括的なアノテーションを提供する。 さらに、感情と認知予測の両方のベースラインベンチマークを構築します。 MECOは、高齢者の感情と認知のマルチモーダルモデリングの基盤として機能し、パーソナライズされた感情認識や、現実の環境での軽度認知障害(MCI)の早期検出といった下流の応用を促進する。 完全なデータセットと補足資料はhttps://maitrechen.github.io/meco-page/.com/で公開されている。

関連論文リスト

• Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
  本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。 人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。 本モデルは感情分布予測のための感情情報表現を学習する。
  論文  参考訳（メタデータ） (2026-02-24T04:11:25Z)
• Smile on the Face, Sadness in the Eyes: Bridging the Emotion Gap with a Multimodal Dataset of Eye and Facial Behaviors [49.833812625518554]
  視覚行動は重要な感情的手がかりとして導入され、視覚行動支援マルチモーダル感情認識データセットを構築する。 実験では,EMERデータセットの総合的な評価のために,7つのマルチモーダルベンチマークプロトコルを導入する。 その結果、EMERTは、他の最先端のマルチモーダル手法よりも優れた性能を示し、ロバストERに対する目の動きのモデリングの重要性を明らかにした。
  論文  参考訳（メタデータ） (2025-12-18T12:52:55Z)
• 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)
• EgoBrain: Synergizing Minds and Eyes For Human Action Understanding [50.54007364637855]
  EgoBrainは、長期にわたって人間の脳の自我中心の視覚と脳波を同期させる、世界初の大規模な、時間的に整列したマルチモーダルデータセットである。 このデータセットは、毎日29種類の活動に携わる40人の参加者から、同期された32チャンネル脳波記録と1対1のビデオの61時間からなる。 すべてのデータ、ツール、取得プロトコルはオープンに共有され、認知コンピューティングにおけるオープンサイエンスを育む。
  論文  参考訳（メタデータ） (2025-06-02T06:14:02Z)
• VR Based Emotion Recognition Using Deep Multimodal Fusion With Biosignals Across Multiple Anatomical Domains [3.303674512749726]
  本稿では,Squeeze-and-Excitation(SE)ブロックと組み合わせた,新しいマルチスケールアテンションベースのLSTMアーキテクチャを提案する。 提案したアーキテクチャは,ユーザスタディで検証され,評価値と覚醒レベルを分類する上で,優れた性能を示す。
  論文  参考訳（メタデータ） (2024-12-03T08:59:12Z)
• Smile upon the Face but Sadness in the Eyes: Emotion Recognition based on Facial Expressions and Eye Behaviors [63.194053817609024]
  視覚行動は、視覚行動支援型マルチモーダル感情認識データセットを作成するための重要な感情的手がかりとなる。 EMERデータセットに感情認識(ER)と表情認識(FER)の両方のアノテーションを初めて提供する。 具体的には、ERとFERの両方のパフォーマンスを同時に向上する新しいEMERTアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2024-11-08T04:53:55Z)
• ERIT Lightweight Multimodal Dataset for Elderly Emotion Recognition and Multimodal Fusion Evaluation [35.10226782746507]
  ERITは、軽量なマルチモーダル融合の研究を容易にするために設計された、新しいマルチモーダルデータセットである。 さまざまな状況に反応する高齢者のビデオから収集されたテキストと画像データと、データサンプルごとに7つの感情ラベルが含まれている。
  論文  参考訳（メタデータ） (2024-07-25T05:02:27Z)
• Multi-modal Mood Reader: Pre-trained Model Empowers Cross-Subject Emotion Recognition [23.505616142198487]
  我々は、クロスオブジェクト感情認識のための訓練済みモデルに基づくMultimodal Mood Readerを開発した。 このモデルは、大規模データセットの事前学習を通じて、脳波信号の普遍的な潜在表現を学習する。 公開データセットに関する大規模な実験は、クロスオブジェクト感情認識タスクにおけるMood Readerの優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-05-28T14:31:11Z)
• Deep Imbalanced Learning for Multimodal Emotion Recognition in Conversations [15.705757672984662]
  会話におけるマルチモーダル感情認識(MERC)は、マシンインテリジェンスにとって重要な開発方向である。 MERCのデータの多くは自然に感情カテゴリーの不均衡な分布を示しており、研究者は感情認識に対する不均衡なデータの負の影響を無視している。 生データにおける感情カテゴリーの不均衡分布に対処するクラス境界拡張表現学習(CBERL)モデルを提案する。 我々は,IEMOCAPおよびMELDベンチマークデータセットの広範な実験を行い,CBERLが感情認識の有効性において一定の性能向上を達成したことを示す。
  論文  参考訳（メタデータ） (2023-12-11T12:35:17Z)

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。