論文の概要: AffectAI-Capture: A Reproducible Multimodal Protocol for Small-Group Meeting Research

• arxiv url: http://arxiv.org/abs/2605.19794v1
• Date: Tue, 19 May 2026 12:58:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 01:01:02.820181
• Title: AffectAI-Capture: A Reproducible Multimodal Protocol for Small-Group Meeting Research
• Title（参考訳）: AffectAI-Capture:小グループ会議研究のための再現可能なマルチモーダルプロトコル
• Authors: Meisam Jamshidi Seikavandi, Alice Modica, Anna Obara, Fabricio Batista Narcizo, Tanya Ignatenko, Ted Vucurevich, Jesper Bünsow Boldt, Paolo Burelli, Andrew Burke Dittberner,
• Abstract要約: AffectAI-Captureは、4人のミーティングのようなインタラクションで同期したマルチモーダルデータを収集するプロトコルである。 実験的根拠、同期哲学、データ組織、実践的トレードオフについて説明する。
• 参考スコア（独自算出の注目度）: 1.4593205068400348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present AffectAI-Capture, a protocol for collecting synchronized multimodal data in four-person meeting-like interactions, combining eye tracking, wearable physiology, close-talk and room audio, multi-view video, event logging, and structured self-report. Sessions use fixed task blocks grounded in established group-interaction paradigms, while acquisition and post-processing are organized around a single authoritative event timeline and standardized outputs. We describe the experimental rationale, synchronization philosophy, data organization, and practical trade-offs. Pilot-level validation of audio quality and video synchronization has been conducted using controlled bench tests; full protocol sessions with participants remain ongoing work. The contribution is a reproducible protocol architecture linking task design, instrumentation, timing provenance, and data packaging for affective, behavioral, and meeting-analytics research.
• Abstract（参考訳）: AffectAI-Captureは、視線追跡、ウェアラブル生理学、クローズトーク、ルームオーディオ、マルチビュービデオ、イベントロギング、構造化自己レポートを組み合わせた、4人のミーティングのようなインタラクションで同期されたマルチモーダルデータを収集するためのプロトコルである。 セッションは、確立されたグループインタラクションパラダイムに根ざした固定されたタスクブロックを使用し、一方、取得と後処理は、単一の権威のあるイベントタイムラインと標準化されたアウトプットに基づいて構成される。 実験的根拠、同期哲学、データ組織、実践的トレードオフについて説明する。 音声品質とビデオ同期のパイロットレベルの検証は、制御されたベンチテストを用いて行われており、参加者との完全なプロトコルセッションは引き続き進行中である。 このコントリビューションは、タスク設計、インスツルメンテーション、タイミング証明、データパッケージングを結合した再現可能なプロトコルアーキテクチャであり、感情的、行動的、ミーティング分析の研究である。

関連論文リスト

• GroupAffect-4: A Multimodal Dataset of Four-Person Collaborative Interaction [1.3176308779785626]
  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。
  論文  参考訳（メタデータ） (2026-05-19T12:38:27Z)
• DecepGPT: Schema-Driven Deception Detection with Multicultural Datasets and Robust Multimodal Learning [64.33887406863899]
  マルチモーダル偽装検出は、法医学とセキュリティのための聴覚的手がかりを解析することにより、偽装行動を特定することを目的としている。 既存のベンチマークでは、中間的な推論手段を使わずにバイナリラベルのみを提供する。 構造的キューレベルの記述と推論チェーンを用いた推論データセットを構築した。 1695年のサンプルでは、非実験的偽装検出データセットとしては最大である。
  論文  参考訳（メタデータ） (2026-03-25T04:06:36Z)
• A Synchronized Audio-Visual Multi-View Capture System [2.6985892552916995]
  本稿では,同期音声と同期映像を一級信号として扱うマルチビューキャプチャシステムについて述べる。 得られた記録は、微粒な分析と会話行動のデータ駆動モデリングをサポートするのに十分な時間的一貫性を持つ。
  論文  参考訳（メタデータ） (2026-03-24T11:32:49Z)
• Detecting Coordinated Activities Through Temporal, Multiplex, and Collaborative Analysis [2.7415651415305597]
  協調キャンペーンは 同様の時間的行動パターンの 証拠によって特徴づけられる 複数のオンラインモダリティにまたがる複雑な協調パターンをモデル化する枠組みを提案する。 この結果から,多重時間認識モデルが協調群の同定に優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-12-22T18:53:43Z)
• A Cocktail-Party Benchmark: Multi-Modal dataset and Comparative Evaluation Results [62.01871490859886]
  第9回CHiMEチャレンジにおいて,マルチモーダルコンテキスト認識(MCoRec)の課題を紹介した。 MCoRecは、録音が説明のない、カジュアルなグループチャットに集中する、自然なマルチパーティの会話をキャプチャする。 このタスクでは、各話者のスピーチを共同で翻訳し、音声・視覚録音から各話者の会話にまとめることにより、「誰がいつ、何、誰と話をするのか?」という質問に答えるシステムが必要である。
  論文  参考訳（メタデータ） (2025-10-27T12:36:43Z)
• Enhancing Asynchronous Time Series Forecasting with Contrastive Relational Inference [21.51753838306655]
  時間点プロセス(TPP)は、そのようなモデリングの標準的な方法である。 既存のTPPモデルは、イベントの相互作用を明示的にモデル化する代わりに、将来のイベントの条件分布に焦点を当てており、イベント予測の課題を示唆している。 本稿では,ニューラル推論(NRI)を利用して,観測データから動的パターンを同時に学習しながら,相互作用を推論するグラフを学習する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-06T09:47:03Z)
• Multimodal Learning Without Labeled Multimodal Data: Guarantees and Applications [90.6849884683226]
  ラベル付き単調データのみを用いた半教師付き環境における相互作用定量化の課題について検討する。 相互作用の正確な情報理論的定義を用いて、我々の重要な貢献は下界と上界の導出である。 本稿では、これらの理論結果を用いてマルチモーダルモデルの性能を推定し、データ収集をガイドし、様々なタスクに対して適切なマルチモーダルモデルを選択する方法について述べる。
  論文  参考訳（メタデータ） (2023-06-07T15:44:53Z)
• Towards Multi-User Activity Recognition through Facilitated Training Data and Deep Learning for Human-Robot Collaboration Applications [2.3274633659223545]
  本研究では、シングルユーザに関するデータを収集し、後処理でそれらをマージすることで、マルチユーザアクティビティに関するデータを集める方法を提案する。 同じ設定で記録されたユーザのグループに関するトレーニングデータを使用する場合と比較して、この方法で収集されたデータをHRC設定のペアに使用し、同様のパフォーマンスを得ることができる。
  論文  参考訳（メタデータ） (2023-02-11T19:27:07Z)
• Rethinking Audio-visual Synchronization for Active Speaker Detection [62.95962896690992]
  アクティブ話者検出(ASD)に関する既存の研究は、アクティブ話者の定義に一致しない。 本稿では,アテンションモジュールに位置符号化を適用し,教師付きASDモデルに適用し,同期キューを活用することを提案する。 実験結果から,既存モデルの制限に対処して,非同期音声を発話しないものとして検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-21T14:19:06Z)
• Audio-Visual Fusion Layers for Event Type Aware Video Recognition [86.22811405685681]
  マルチタスク学習方式において,個別のイベント固有のレイヤによるマルチセンサ統合問題に対処する新しいモデルを提案する。 我々のネットワークは単一のラベルで表現されているが、与えられたビデオを表現するために、さらに真のマルチラベルを出力できる。
  論文  参考訳（メタデータ） (2022-02-12T02:56:22Z)

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。