Fugu-MT 論文翻訳(概要): Dynamic Emotion and Personality Profiling for Multimodal Deception Detection

論文の概要: Dynamic Emotion and Personality Profiling for Multimodal Deception Detection

arxiv url: http://arxiv.org/abs/2604.17037v1
Date: Sat, 18 Apr 2026 15:38:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-21 21:52:52.301285
Title: Dynamic Emotion and Personality Profiling for Multimodal Deception Detection
Title（参考訳）: マルチモーダル・デセプション検出のための動的感情とパーソナリティ・プロファイリング
Authors: Li Zheng, Yanyi Luo, Hao Fei, Yuzhe Ding, Yujie Huang, Fei Li, Chong Teng, Donghong Ji,
Abstract要約: 実験の結果,Rel-DDEPは既存の最先端のベースラインモデルよりも3つのタスクで大幅に優れていた。騙し検出のF1スコアは2.53%、感情検出のスコアは2.66%、性格検出のスコアは9.30%上昇する。
参考スコア（独自算出の注目度）: 35.29389806267121
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deception detection is of great significance for ensuring information security and conducting public opinion analysis, with personality factors and emotion cues playing a critical role. However, existing methods lack sample-level dynamic annotations for emotions and personality.In this paper, we propose an innovative multi-model multi-prompt annotation scheme and a strict label quality evaluation standard, and establish a multimodal joint detection dataset DDEP for deception, emotion, and personality. Meanwhile, we propose Rel-DDEP, an adaptive reliability-weighted fusion framework. Our framework quantifies uncertainty by mapping modal features to a high-dimensional Gaussian distribution space. It then performs reliability-weighted fusion and incorporates an alignment module and a sorting constraint module to achieve joint detection of deception, emotion, and personality. Experimental results on the MDPE and DDEP datasets show that our Rel-DDEP significantly outperforms the existing state-of-the-art baseline models in three tasks. The F1 score of the deception detection increases by 2.53%, that of the emotion detection increases by 2.66%, and that of the personality detection increases by 9.30%. The experiments fully verify the necessity of annotating dynamic emotion and personality labels for each sample and the effectiveness of reliability-weighted fusion.
Abstract（参考訳）: 虚偽検出は情報セキュリティの確保と世論分析の実施に非常に重要であり、個性要因や感情の手がかりが重要な役割を担っている。しかし,既存の手法では,感情や人格に対するサンプルレベルの動的アノテーションが欠如しているため,革新的なマルチモデル・マルチプロンプトアノテーションスキームと厳密なラベル品質評価基準が提案され,認知・感情・人格に対するマルチモーダル共同検出データセット DDEP が確立された。一方,適応型信頼性重畳融合フレームワークであるRel-DDEPを提案する。本フレームワークは,高次元ガウス分布空間にモーダル特徴をマッピングすることで不確かさを定量化する。その後、信頼性に富んだ融合を行い、アライメントモジュールとソート制約モジュールを組み込んで、詐欺、感情、パーソナリティを共同で検出する。 MDPEおよびDDEPデータセットの実験結果から、我々のRel-DDEPは既存の最先端のベースラインモデルよりも3つのタスクで大幅に優れていた。騙し検出のF1スコアは2.53%、感情検出のスコアは2.66%、性格検出のスコアは9.30%上昇する。実験は, 各試料に動的感情と人格ラベルを付加することの必要性と, 信頼性重畳融合の有効性を十分に検証した。

関連論文リスト

Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
論文参考訳（メタデータ） (2026-04-17T13:27:11Z)
Multimodal Emotion Regression with Multi-Objective Optimization and VAD-Aware Audio Modeling for the 10th ABAW EMI Track [11.775637010038794]
本稿では,Hum-Vidmimic2データセット上での情動的ミミトリインテンシティ(EMI)推定トラックに焦点を当てる。それは、賞賛、面白さ、決定、共感の痛み、引用、ジョイの6つの連続した感情の次元を予測することを目的としている。本フレームワークは、結合に基づく多モード融合、共有6次元回帰ヘッド、MSEによる多目的最適化、ピアソン相関、補助分岐監督、パラメータ安定化のためのEMA、音響分岐に先立ってVADにインスパイアされた潜水器を統合する。
論文参考訳（メタデータ） (2026-03-14T05:17:06Z)
Qieemo: Speech Is All You Need in the Emotion Recognition in Conversations [1.0690007351232649]
マルチモーダルアプローチは多様なモダリティの融合による恩恵を受け、認識精度が向上する。提案するQieemoフレームワークは,自然なフレームアライメントと感情的特徴を含む事前学習された自動音声認識(ASR)モデルを効果的に活用する。 IEMOCAPデータセットの実験結果は、Qieemoがそれぞれ3.0%、1.2%、および1.9%の絶対的な改善でベンチマークアンモダル、マルチモーダル、セルフ教師付きモデルを上回っていることを示している。
論文参考訳（メタデータ） (2025-03-05T07:02:30Z)
Robust Modality-incomplete Anomaly Detection: A Modality-instructive Framework with Benchmark [69.02666229531322]
モダリティ不完全産業異常検出(MIIAD)の先駆的研究を紹介する。その結果,既存のMIAD手法はMIIADベンチでは性能が悪く,性能が著しく低下していることが判明した。本稿では,新しい2段階のロバストモードアリティファジングと検出フレームwoRk(RADAR)を提案する。
論文参考訳（メタデータ） (2024-10-02T16:47:55Z)
Enhancing Apparent Personality Trait Analysis with Cross-Modal Embeddings [0.5461938536945723]
本稿では,ショートビデオ記録で訓練した人格特性予測のために,シームズ拡張を用いたマルチモーダルディープニューラルネットワークを提案する。分析されたデータセットの高度に集中したターゲット分布のため、第3桁の変更は関連している。
論文参考訳（メタデータ） (2024-05-06T20:51:28Z)
Enhancing person re-identification via Uncertainty Feature Fusion Method and Auto-weighted Measure Combination [1.183049138259841]
人物再識別(Re-ID)は、監視システムにおいて、異なるカメラビューで同一人物を特定することを含む、困難なタスクである。本稿では,不確定特徴融合法(UFFM)と自動重み付け器(AMC)によるReIDモデルの能力を向上する新しい手法を提案する。本手法は,人物の再識別データセットで評価した場合のランク@1精度と平均精度(mAP)を大幅に改善する。
論文参考訳（メタデータ） (2024-05-02T09:09:48Z)
Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical Fusion for Multimodal Affect Recognition [69.32305810128994]
モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。 HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
論文参考訳（メタデータ） (2023-05-23T01:24:15Z)
Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文参考訳（メタデータ） (2023-05-17T14:30:11Z)
Know Your Space: Inlier and Outlier Construction for Calibrating Medical OOD Detectors [39.8194799829348]
我々は、よく校正されたアウト・オブ・ディストリビューション検出器(OOD)の開発に焦点をあてる。適切なキャリブレーションデータセットのキュレーションが困難であるために、合成オーグメンテーションは不整合/不整合仕様において非常に普及している。最適プロトコルは,様々な画素空間外値とともに潜在空間不整形を合成することである。
論文参考訳（メタデータ） (2022-07-12T03:42:05Z)

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。