論文の概要: Introducing WARM-VR: Benchmark Dataset for Multimodal Wearable Affect Recognition in Virtual Reality

• arxiv url: http://arxiv.org/abs/2605.00184v1
• Date: Thu, 30 Apr 2026 20:00:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.735666
• Title: Introducing WARM-VR: Benchmark Dataset for Multimodal Wearable Affect Recognition in Virtual Reality
• Title（参考訳）: WARM-VR:バーチャルリアリティにおけるマルチモーダルウェアラブル影響認識のためのベンチマークデータセットの導入
• Authors: Karim Alghoul, Faisal Mohd, Fedwa Laamarti, Hussein Al Osman, Abdulmotaleb El Saddik,
• Abstract要約: WARM-VRは、没入型マルチセンサー環境における影響認識をサポートするために設計された、新しいデータセットである。 19～37歳の被験者31名からウェアラブルセンサーを用いてデータを収集した。
• 参考スコア（独自算出の注目度）: 12.32040756213776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the growing integration of human-computer interaction into everyday life, advances in machine learning have enabled systems to better perceive and respond to users' emotional states. Most existing affect recognition datasets focus on static environments, limiting their applicability to immersive multimedia contexts such as Virtual Reality (VR). In this paper, we introduce WARM-VR, a novel publicly available multimodal dataset designed to support affect recognition in immersive, multisensory environments using wearable sensing instrumentation. Data were collected from 31 participants aged 19-37 using wearable sensors: a wristband measuring Blood Volume Pulse (BVP), EDA, skin Temperature, three-axis Acceleration, and a chest strap recording ECG signals. Participants engaged in immersive VR experiences designed to elicit relaxation through a calming beach environment following stress induction via an arithmetic task. These sessions incorporated synchronized multimedia stimuli: visual, auditory, and olfactory. Affective states were assessed subjectively through validated self-report questionnaires and objectively through the analysis of physiological measurements. Statistical analysis of the questionnaires confirmed that VR relaxation significantly reduced negative affect, particularly with olfactory enhancement. Furthermore, we established a benchmark on the dataset using widely recognized machine learning algorithms. The best performance for binary classification from BVP data of valence, was obtained with a CNN and a CNN-Bi-GRU model, both achieving an average F1-score of 0.63 and an AUC of 0.69. For arousal, a lightweight Transformer architecture provided the most balanced results (F1-0 0.54 and F1-1 0.63), outperforming recurrent hybrids. In the relaxation task, a CNN-Bi-GRU model reached the highest overall performance (average F1-score 0.64, AUC 0.69).
• Abstract（参考訳）: コンピュータとコンピュータの相互作用が日々の生活に組み入れられるようになり、機械学習の進歩により、システムはユーザーの感情状態をよりよく認識し、反応することができるようになった。 ほとんどの既存の認識データセットは静的環境に焦点を当てており、VR(Virtual Reality)のような没入型マルチメディアコンテキストに適用性を制限する。 本稿では,ウェアラブル・センサ・インスツルメンテーションを用いた没入型マルチセンサ環境における認識に影響を及ぼすように設計された,新しいマルチモーダル・データセットであるWARM-VRを紹介する。 19～37歳の被験者31名から,BVP,EDA,皮膚温度,3軸加速度,心電図信号を記録する胸部ストラップなどのウェアラブルセンサを用いて収集した。 参加者は、算術的なタスクによるストレス誘導に続いて、穏やかなビーチ環境を通してリラックスを促すために設計された没入型VR体験に従事した。 これらのセッションには、視覚、聴覚、嗅覚といった同期マルチメディア刺激が含まれていた。 主観評価は, 自己申告による自己申告調査と, 生理的測定の分析を通じて客観的に行った。 質問紙の統計的分析では、特に嗅覚の増強により、VR緩和が負の影響を著しく減少させることが確認された。 さらに、広く認識されている機械学習アルゴリズムを用いてデータセットのベンチマークを構築した。 CNN-Bi-GRUモデルとCNN-Bi-GRUモデルでは,平均F1スコア0.63,AUC0.69が得られた。 覚醒のために、軽量トランスフォーマーアーキテクチャは最もバランスのとれた結果(F1-0 0.54とF1-1 0.63)を提供し、繰り返し発生するハイブリッドよりも優れていた。 緩和作業では、CNN-Bi-GRUモデルが最高性能(平均F1スコア0.64、AUC 0.69)に達した。

関連論文リスト

• InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation [77.07565723756119]
  InternVLA-A1は動的予測機能を備えた視覚言語モデルである。 我々は、実世界のロボットデータ、合成シミュレーションデータ、人間のビデオなどを用いて、これらのモデルを異種データソース上で事前訓練する。 InternVLA-A1を実世界の12のロボットタスクとシミュレーションベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-01-05T18:54:29Z)
• Achieving Effective Virtual Reality Interactions via Acoustic Gesture Recognition based on Large Language Models [11.630591232366255]
  視覚に基づくジェスチャー認識は、高い計算コスト、照明条件への感受性、プライバシー漏洩の懸念に悩まされている。 難聴の高周波信号を出力し反射を捉え、チャネルインパルス応答(CIR)を符号化することで、ジェスチャーが音場を低コストでユーザ透明な方法で摂動する方法を符号化する。 本稿では,VR/ARシステムにおけるCIRに基づくジェスチャー認識のための大規模言語モデル(LLM)を利用する最初のフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-10T13:19:58Z)
• Synheart Emotion: Privacy-Preserving On-Device Emotion Recognition from Biosignals [0.0]
  ほとんどの感情認識システムはクラウドベースの推論に依存しており、リアルタイムアプリケーションには適さないプライバシーの脆弱性とレイテンシの制約を導入している。 本研究は、手首型フォトプレソグラフィーからデバイス上での感情認識のための機械学習アーキテクチャの包括的な評価を行う。 ONNX変換によって最適化された手首のみのExtraTreesモデルをデプロイし,4.08MBのフットプリント,0.05msの推論遅延,オリジナル実装よりも152倍のスピードアップを実現した。
  論文  参考訳（メタデータ） (2025-11-09T05:15:04Z)
• Adaptive Score Alignment Learning for Continual Perceptual Quality Assessment of 360-Degree Videos in Virtual Reality [20.511561848185444]
  適応スコアアライメント学習(ASAL:Adaptive Score Alignment Learning)という,VRビデオの知覚品質を評価する新しい手法を提案する。 ASALは相関損失と誤り損失を統合し、人間の主観的評価と知覚品質の予測精度を高める。 我々はVR-VQAとそのCLのための総合的なベンチマークを確立し、新しいデータ分割と評価指標を導入しました。
  論文  参考訳（メタデータ） (2025-02-27T00:29:04Z)
• Thelxinoë: Recognizing Human Emotions Using Pupillometry and Machine Learning [0.0]
  本研究は,現実的かつ感情的に共鳴するタッチインタラクションのための複数のセンサデータを統合することで,VR体験の向上を目的とした,Thelxino"eフレームワークに大きく貢献する。 我々の発見は、没入的でインタラクティブなVR環境を開発するための新しい道を開き、バーチャルタッチ技術の将来の進歩への道を開いた。
  論文  参考訳（メタデータ） (2024-03-27T21:14:17Z)
• AV-RIR: Audio-Visual Room Impulse Response Estimation [49.469389715876915]
  室内インパルス応答(RIR)の正確な推定は,音声処理やAR/VR応用において重要である。 本稿では,与えられた残響音声信号と対応する環境の視覚的手がかりからRIRを正確に推定する,新しいマルチモーダルマルチタスク学習手法であるAV-RIRを提案する。
  論文  参考訳（メタデータ） (2023-11-30T22:58:30Z)
• Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
  我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。 我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。 今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
  論文  参考訳（メタデータ） (2022-10-03T20:51:25Z)
• Multi-level Stress Assessment from ECG in a Virtual Reality Environment using Multimodal Fusion [4.664989082015336]
  ECGは、非侵襲的な性質のため、深刻なバーチャルリアリティ(VR)アプリケーションにおけるストレスを評価するための魅力的な選択肢である。 既存の研究は2段階のストレスアセスメントしか行わず、より活発なバイオフィードバックベースのアプリケーションを開発するためには、マルチレベルアセスメントが必要である。 本稿では,1秒の窓から応力予測を行うことのできる分光図と1次元心電図を用いた新しい多モード深部融合モデルを提案する。
  論文  参考訳（メタデータ） (2021-07-09T17:34:42Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)

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。