論文の概要: GroupAffect-4: A Multimodal Dataset of Four-Person Collaborative Interaction
- arxiv url: http://arxiv.org/abs/2605.19765v1
- Date: Tue, 19 May 2026 12:38:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.329369
- Title: GroupAffect-4: A Multimodal Dataset of Four-Person Collaborative Interaction
- Title（参考訳）: GroupAffect-4: 4人コラボレーションインタラクションのマルチモーダルデータセット
- Authors: Meisam Jamshidi Seikavandi, Alice Modica, Anna Obara, Shan Ahmed Shaffi, Fabricio Batista Narcizo, Tanya Ignatenko, Ted Vucurevich, Karim Haddad, Daniel Barratt, Daniel Overholt, Jesper Bunsow Boldt, Paolo Burelli, Andrew Burke Dittberner,
- Abstract要約: グループAffect-4は10人の4人グループで40人の参加者からなるマルチモーダルコーパスである。
各参加者は、手首に装着した生理センサー、目追跡メガネ、およびクローズトークマイクを備える。
このデータセットは、予想される生理的窓の91%以上と、視線追跡窓の98%をカバーしている。
- 参考スコア（独自算出の注目度）: 1.3176308779785626
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing affective-computing, social-signal-processing, and meeting corpora capture important parts of human interaction, but they rarely support analysis of affect in co-located groups as a coupled individual, interpersonal, and group-level process. The required signals (per-participant physiology, eye movement, audio, self-report, task outcomes, and personality) are usually fragmented across separate dataset traditions. We introduce GroupAffect-4, a multimodal corpus of 40 participants in 10 four-person groups, each completing four ecologically varied collaborative tasks spanning information pooling, negotiation, idea generation, and a public-goods game. Each participant is instrumented with a wrist-worn physiology sensor, eye-tracking glasses, and a close-talk microphone; sessions include continuous affect self-reports, post-task questionnaires, task outcomes, and Big-Five personality scores, all time-aligned to a shared clock. The dataset covers over 91% of expected physiology windows and 98% of eye-tracking windows, with strong task validity confirmed by a clear affective manipulation check across the negotiation block. We define fifteen benchmarkable targets spanning three analysis levels -- within-person state, between-person traits, and group dynamics -- and report leave-one-group-out feasibility baselines establishing the dataset's evaluative scope. GroupAffect-4 is released with a BIDS-inspired structure, Croissant metadata, a datasheet, per-session quality reports, and open processing scripts. Code and processing scripts are available at https://github.com/meisamjam/GroupAffect-4; the dataset is publicly archived at https://zenodo.org/records/20037847.
- Abstract（参考訳）: 既存の感情計算、社会信号処理、ミーティングコーパスは、人間の相互作用の重要な部分を捉えているが、それらは、個人、対人、グループレベルのプロセスの結合として、共同配置されたグループにおける影響の分析を支援することは滅多にない。
要求される信号(参加者ごとの生理学、眼球運動、音声、自己報告、タスク結果、パーソナリティ)は、通常、別々のデータセットの伝統で断片化される。
グループAffect-4は、10人の4人グループに40人の参加者からなるマルチモーダルコーパスで、それぞれが情報プール、交渉、アイデア生成、パブリックグッドゲームにまたがる4つの生態学的に多様な協調作業を終える。
各参加者は、手首の生理センサー、視線追跡メガネ、およびクローズトークマイクを備える。セッションには、自己報告、タスク後のアンケート、タスク結果、ビッグファイブのパーソナリティスコアなど、すべて共有時計にタイムアラインされたセッションが含まれる。
このデータセットは、予想される生理的ウィンドウの91%以上、視線追跡ウィンドウの98%をカバーする。
我々は,3つの分析レベル – 人内状態,人間特性,グループダイナミクス – にまたがる15のベンチマーク可能なターゲットを定義し,データセットの評価範囲を確立するための,グループ間グループアウト可能なベースラインを報告します。
GroupAffect-4はBIDSにインスパイアされた構造、Croissantメタデータ、データシート、セッションごとの品質レポート、オープンな処理スクリプトを備える。
コードと処理スクリプトはhttps://github.com/meisamjam/GroupAffect-4で公開されており、データセットはhttps://zenodo.org/records/20037847で公開アーカイブされている。
関連論文リスト
- GAViD: A Large-Scale Multimodal Dataset for Context-Aware Group Affect Recognition from Videos [18.925387941274916]
集団は、人間と人間の相互作用、文脈的影響、行動的手がかりから生じる。
マルチモーダルデータを用いた5091本のビデオクリップからなるViDeosデータセットのGroup Affectを紹介する。
また、マルチモーダルな文脈認識グループに対する文脈認識グループ影響認識ネットワーク(CAGNet)を提案する。
論文 参考訳（メタデータ） (2026-04-17T16:23:01Z) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - Personality Matters: User Traits Predict LLM Preferences in Multi-Turn Collaborative Tasks [11.841394824977984]
大規模言語モデル(LLM)は、ユーザがマルチターンコラボレーションを通じて成果を形作るために、日々の作業に統合されるようになっている。
異なる性格特性を持つユーザーは、特定のLCMを他人よりも体系的に好んでいるか?
健常者32名を対象に, GPT-4 と Claude 3.5 との相互作用を定量的に検討した。
論文 参考訳（メタデータ） (2025-08-29T13:42:26Z) - Gems: Group Emotion Profiling Through Multimodal Situational Understanding [8.706215352448227]
我々は、感情理解を、きめ細かいグループとイベントレベルの感情を粗くするために、きめ細かい個々の感情を予測するタスクとして捉えている。
本稿では,入力シーン,グループメンバ,コンテキスト情報を処理し,共同予測を生成するマルチモーダルスウィン・トランスフォーマとS3Attentionベースのアーキテクチャを利用するGEMSを紹介する。
論文 参考訳（メタデータ） (2025-07-30T05:28:25Z) - The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。
Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。
クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
論文 参考訳（メタデータ） (2024-06-11T22:26:20Z) - Inter-X: Towards Versatile Human-Human Interaction Analysis [100.254438708001]
正確な身体の動きと多様な相互作用パターンを持つデータセットであるInter-Xを提案する。
データセットは、1Kの相互作用シーケンスと8.1Mフレーム以上を含む。
また、Inter-Xには34K以上の微粒な人間のテキスト記述の多義アノテーションも備えています。
論文 参考訳（メタデータ） (2023-12-26T13:36:05Z) - Perceived personality state estimation in dyadic and small group
interaction with deep learning methods [0.4200121288877444]
ダイアディックや小集団の個性の知覚特性を, 相互作用の細いスライスから推定した。
我々のトランスフォーマーに基づく予測モデルは、参加者の認識される5つの大きな性格特性を予測する人間のアノテータと類似していることがわかった。
論文 参考訳（メタデータ） (2022-11-09T15:51:03Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Towards Group Robustness in the presence of Partial Group Labels [61.33713547766866]
入力サンプルとターゲットラベルの間に 急激な相関関係がある ニューラルネットワークの予測を誤った方向に導く
本稿では,制約セットから最悪のグループ割り当てを最適化するアルゴリズムを提案する。
グループ間で総合的な集計精度を維持しつつ,少数集団のパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2022-01-10T22:04:48Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳（メタデータ） (2020-08-31T17:44:28Z)
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。