論文の概要: Modeling Induced Pleasure through Cognitive Appraisal Prediction via Multimodal Fusion

• arxiv url: http://arxiv.org/abs/2604.23753v1
• Date: Sun, 26 Apr 2026 15:07:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.532857
• Title: Modeling Induced Pleasure through Cognitive Appraisal Prediction via Multimodal Fusion
• Title（参考訳）: マルチモーダル・フュージョンによる認知的評価予測によるプレジャーのモデル化
• Authors: Nastaran Dab, Raziyeh Zall, Mohammadreza Kangavari,
• Abstract要約: 本研究では,認知的評価変数を用いて,映像による快楽を推定するための新しい計算モデルを提案する。 提案モデルでは,(1)ノイズと不整合性,(2)「肯定的感情」と「快楽」のセマンティック・ギャップ,(3)快楽特異的データセットの不足,(4)既存のブラックボックス融合法の限定的解釈性,の4つの課題に対処する。 実験により,提案手法の有効性が検証され,最大精度が0.6624と推定された。
• 参考スコア（独自算出の注目度）: 0.6397750672942423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal affective computing analyzes user-generated social media content to predict emotional states. However, a critical gap remains in understanding how visual content shapes cognitive interpretations and elicits specific affective experiences such as pleasure. This study introduces a novel computational model to infer video-induced pleasure via cognitive appraisal variables. The proposed model addresses four challenges: (1) noisy and inconsistent human labels, (2) the semantic gap between "positive emotions" and "pleasure," (3) the scarcity of pleasure-specific datasets, and (4) the limited interpretability of existing black-box fusion methods. Our approach integrates data-driven and cognitive theory-driven methods, using cognitive appraisal theory and a fuzzy model within an innovative framework. The model employs transformer-based architectures and attention mechanisms for fine-grained multimodal feature extraction and interpretable fusion to capture both inter- and intra-modal dynamics associated with pleasure. This enables the prediction of underlying appraisal variables, thereby bridging the semantic gap and enhancing model explainability beyond conventional statistical associations. Experimental results validate the efficacy of the proposed method in detecting video-induced pleasure, achieving a peak accuracy of 0.6624 in predicting pleasure levels. These findings highlight promising implications for affective content recommendation, intelligent media creation, and advancing our understanding of how digital media influences human emotions.
• Abstract（参考訳）: マルチモーダル感情コンピューティングは、ユーザ生成ソーシャルメディアコンテンツを分析して感情状態を予測する。 しかし、視覚的コンテンツがどのように認知的解釈を形作り、喜びのような特定の情緒的体験をもたらすかを理解する上で、重要なギャップは依然として残っている。 本研究では,認知的評価変数を用いて,映像による快楽を推定するための新しい計算モデルを提案する。 提案モデルでは,(1)ノイズと不整合性,(2)「肯定的感情」と「快楽」のセマンティック・ギャップ,(3)快楽特異的データセットの不足,(4)既存のブラックボックス融合法の限定的解釈性,の4つの課題に対処する。 提案手法は,認知評価理論とファジィモデルを用いて,データ駆動および認知理論駆動の手法を統合する。 このモデルはトランスフォーマーに基づくアーキテクチャとアテンション機構を用いて、微細なマルチモーダル特徴抽出と解釈可能な融合を行い、楽しみに関連するモーダル間ダイナミクスとイントラモーダル内ダイナミクスの両方をキャプチャする。 これにより、基礎となる評価変数の予測が可能となり、意味的ギャップを埋め、従来の統計的関連性を超えたモデル説明可能性を高めることができる。 実験により,提案手法の有効性が検証され,最大精度が0.6624と推定された。 これらの知見は、感情的なコンテンツレコメンデーション、インテリジェントメディア作成、そしてデジタルメディアが人間の感情にどのように影響するかの理解を深める上で有望な意味を浮き彫りにしている。

関連論文リスト

• Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
  本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。 既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-09-05T05:50:00Z)
• Multimodal Visual-Tactile Representation Learning through Self-Supervised Contrastive Pre-Training [0.850206009406913]
  MViTacは、コントラスト学習を利用して視覚と触覚を自己指導的に統合する新しい手法である。 両方の感覚入力を利用することで、MViTacは学習表現のモダリティ内およびモダリティ間損失を利用して、材料特性の分類を強化し、より適切な把握予測を行う。
  論文  参考訳（メタデータ） (2024-01-22T15:11:57Z)
• Probabilistic emotion and sentiment modelling of patient-reported experiences [0.04096453902709291]
  本研究では,オンライン体験談話から患者感情をモデル化する新しい手法を提案する。 ケアオピニオンから患者が報告した経験を分析するために,メタデータネットワークトピックをモデル化する。 マルチラベル感情とバイナリ感情の両方を予測できる確率論的・文脈特異的感情推薦システムを開発した。
  論文  参考訳（メタデータ） (2024-01-09T05:39:20Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Interpretable Fake News Detection with Topic and Deep Variational Models [2.15242029196761]
  我々は,解釈可能な特徴と手法を用いた偽ニュース検出に焦点をあてる。 我々は,テキストニュースの高密度表現を統合した深層確率モデルを開発した。 我々のモデルは最先端の競合モデルに匹敵する性能を達成する。
  論文  参考訳（メタデータ） (2022-09-04T05:31:00Z)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)

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。