Fugu-MT 論文翻訳(概要): EMOVIS: Emotion-Optimized Image Processing

論文の概要: EMOVIS: Emotion-Optimized Image Processing

arxiv url: http://arxiv.org/abs/2605.03131v1
Date: Mon, 04 May 2026 20:14:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-06 19:35:43.636532
Title: EMOVIS: Emotion-Optimized Image Processing
Title（参考訳）: EMOVIS:感情最適化画像処理
Authors: Dor Barber, Rony Zatzarinni, Hava Matichin, Noam Levy,
Abstract要約: EMOVIS (E-Motiond VISual Processing) を導入し,ビデオキャプチャ中にリアルタイムカメラパイプラインに撮影機能を提供する。本稿では,基本的な処理段階を変更することなく,感情による調整を標準ISPハードウェアに統合する制御フレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In cinematography, visual attributes such as color grading, contrast, and brightness are manipulated to reinforce the emotional narrative of a scene. However, conventional Image Signal Processors (ISPs) prioritize scene fidelity, effectively neglecting this expressive dimension. To bring this cinematic capability to real-time camera pipelines during video capture, we introduce EMOVIS (EMotion-Optimized VISual processing). We establish a systematic mapping between a compact set of high-level emotional states (Happy, Calm, Angry, Sad) and low-level ISP controls - including color saturation, local tone mapping, and sharpness - supported by a calibration user study with statistically significant effects across parameters. We propose a control framework that integrates these emotion-driven adjustments into standard ISP hardware without altering the underlying processing stages. Validation via blind A/B testing shows that viewers prefer the emotion-optimized rendering in 87% of trials when the target emotion matches the scene context, indicating that emotion-aligned ISP control improves perceived suitability for expressive visual content.
Abstract（参考訳）: シネマトグラフィーでは、色階調、コントラスト、明るさなどの視覚特性が操作され、シーンの感情的物語が強化される。しかし、従来の画像信号処理装置(ISP)はシーンの忠実さを優先し、この表現的次元を効果的に無視する。ビデオキャプチャ中にリアルタイムカメラパイプラインにこの撮影機能を提供するために,EMOVIS(EMotion-Optimized VISual processing)を導入する。高レベルの感情状態のコンパクトなセット(Happy, Calm, Angry, Sad)と低レベルのISPコントロール(色飽和、局所音のマッピング、シャープネスを含む)の体系的なマッピングを、パラメータ間の統計的に有意な影響を持つ校正ユーザスタディによって支援する。本稿では、これらの感情駆動型調整を、基礎となる処理段階を変更することなく、標準ISPハードウェアに統合する制御フレームワークを提案する。ブラインドA/Bテストによる検証では、ターゲットの感情がシーンコンテキストと一致する場合、視聴者は87%の試験で感情最適化レンダリングを好むことが示され、感情整合ISPコントロールが表現力のある視覚コンテンツに対する知覚適合性を改善することが示されている。

関連論文リスト

Personalized Cross-Modal Emotional Correlation Learning for Speech-Preserving Facial Expression Manipulation [63.90351637818903]
音声保存表情操作は、本来の音声に結びついた口の動きを変えることなく、人間の表現力を高めることを目的としている。現在のVisual-Language Models (VLM)は、整列した視覚的特徴と意味的特徴を抽出し、将来的な監視の源となる。 VLMをベースとしたパーソナライズされたクロスモーダル感情相関学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2026-04-28T06:02:23Z)
EmoScene: A Dual-space Dataset for Controllable Affective Image Generation [36.90201432936213]
EmoSceneは、感情的次元と知覚的属性を共同でエンコードする大規模なデュアルスペース感情データセットである。個別の感情がVAD空間をいかに占めているか、そして、その影響がシーンレベルの知覚的要因と体系的に相関しているかを示す。
論文参考訳（メタデータ） (2026-04-01T14:10:23Z)
LightMover: Generative Light Movement with Color and Intensity Controls [49.259165408623915]
LightMoverは、単一のイメージで制御可能な光操作のためのフレームワークである。ビデオ拡散先行は、シーンを再レンダリングすることなく、物理的に妥当な照明変化をもたらす。
論文参考訳（メタデータ） (2026-03-28T09:51:59Z)
Multimodal Emotion Recognition via Bi-directional Cross-Attention and Temporal Modeling [2.8037951156321377]
本稿では,第10回ABAWチャレンジにおける表現課題に対するマルチモーダル感情認識フレームワークを提案する。本フレームワークは,視覚および音声表現学習のための大規模事前学習モデルを構築し,それらを統合マルチモーダルアーキテクチャに統合する。 ABAW 10th EXPRベンチマークの実験結果から,提案手法の有効性が示された。
論文参考訳（メタデータ） (2026-03-12T14:20:29Z)
Towards LLM-centric Affective Visual Customization via Efficient and Precise Emotion Manipulating [6.478514718464069]
本稿では,マルチモーダル LLM による主観的感情の修正の中で画像を生成することに焦点を当てた,感情的視覚カスタマイズ(L-AVC)タスクを提案する。効率の良い感情間変換(EIC)モジュールを、編集前後のセマンティクスにおける感情変換を効率よく整合させるように調整し、その後に、感情に依存しないコンテンツを正確に保持する精密な感情保持(PER)モジュールを設ける。
論文参考訳（メタデータ） (2026-02-20T06:12:48Z)
EmoCAST: Emotional Talking Portrait via Emotive Text Description [56.42674612728354]
EmoCASTは、正確なテキスト駆動感情合成のための拡散ベースのフレームワークである。外観モデリングでは、感情的なプロンプトはテキスト誘導の分離された感情的モジュールを通して統合される。 EmoCASTは、現実的で感情的に表現され、音声同期されたトーキーヘッドビデオを生成する、最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2025-08-28T10:02:06Z)
HSEmotion Team at ABAW-8 Competition: Audiovisual Ambivalence/Hesitancy, Emotional Mimicry Intensity and Facial Expression Recognition [16.860963320038902]
本稿では,第8回ABAW(Affective Behavior Analysis in-the-Wild)コンペティションの結果について述べる。事前学習したモデルから抽出した顔の感情記述子と音響的特徴と音声から認識されたテキストの埋め込みを組み合わせる。フレームレベルの特徴を単純に集約し、多層パーセプトロンを訓練することにより、感情的模倣強度の映像レベル予測を実現する。
論文参考訳（メタデータ） (2025-03-13T14:21:46Z)
Enriching Multimodal Sentiment Analysis through Textual Emotional Descriptions of Visual-Audio Content [56.62027582702816]
マルチモーダル・センティメント・アナリティクスは、テキスト、音声、視覚データを融合することで人間の感情を解き放つことを目指している。しかし、音声やビデオの表現の中で微妙な感情的なニュアンスを認識することは、恐ろしい挑戦だ。テキストの感情記述に基づくプログレッシブ・フュージョン・フレームワークであるDEVAを紹介する。
論文参考訳（メタデータ） (2024-12-12T11:30:41Z)
SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
論文参考訳（メタデータ） (2021-10-24T02:41:41Z)
Intriguing Properties of Vision Transformers [114.28522466830374]
視覚変換器(ViT)は、様々なマシンビジョン問題にまたがって印象的な性能を誇示している。我々は、この問題を広範囲の実験を通して体系的に研究し、高性能畳み込みニューラルネットワーク(CNN)との比較を行った。 ViTsの効果的な特徴は、自己認識機構によって可能なフレキシブルな受容と動的場によるものであることを示す。
論文参考訳（メタデータ） (2021-05-21T17:59:18Z)

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。