論文の概要: Cross-Subject EEG Emotion Recognition Based on Temporal Asynchronous Alignment Contrastive Learning

• arxiv url: http://arxiv.org/abs/2605.22379v1
• Date: Thu, 21 May 2026 12:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.24661
• Title: Cross-Subject EEG Emotion Recognition Based on Temporal Asynchronous Alignment Contrastive Learning
• Title（参考訳）: 時間的非同期アライメントコントラスト学習に基づくクロスオブジェクト脳波感情認識
• Authors: Ying Xie, Yi Zheng, Zehui Xiao, Wenkai Lu, Mengting Liu,
• Abstract要約: 本稿では,脳波に基づく感情認識のための時間的非同期アライメントに基づくコントラシブラーニング(TA2CL)フレームワークを提案する。 従来のグローバルな「ハードアライメント」類似性計算手法を、きめ細かい局所マッチング機構に変換する。 実験の結果,提案手法は複数の公開データセットに対して高い性能を示すことがわかった。
• 参考スコア（独自算出の注目度）: 15.406609103511956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advancement of science and technology, the importance of emotion research has become increasingly evident. Electroencephalography (EEG)-based emotion recognition has emerged as an active research area in recent years, owing to its objectivity and high temporal resolution. However, most existing methods focus on optimizing encoder structures to enhance feature extraction capabilities, while paying relatively little attention to similarity calculation strategies, particularly overlooking the potential temporal misalignment of responses among different subjects. To address these shortcomings, this paper draws inspiration from the late interaction mechanism of ColBERT in natural language processing (NLP) and proposes a Temporal Asynchronous Alignment-based Contrastive Learning (TA2CL) framework. This method transforms the traditional global "hard alignment" similarity calculation approach into a fine-grained local matching mechanism, enabling the model to adaptively search for and align "locally highly correlated" segments between two EEG signals, thereby effectively mitigating the effects of inter-subject differences and temporal delays. Experimental results demonstrate that the proposed method achieves strong performance across multiple public datasets. Specifically, on the FACED dataset, it achieves an accuracy of 64.5% for the nine-class classification task and 79.5% for the binary classification task, while on the SEED and SEED-V datasets, it achieves accuracies of 86.4% and 70.1%, respectively, validating the method's effectiveness and generalization capability.
• Abstract（参考訳）: 科学と技術の進歩により、感情研究の重要性はますます明白になっている。 脳波(EEG)に基づく感情認識は、その客観性と高時間分解能のため、近年、活発な研究領域として現れている。 しかし、既存のほとんどの手法は、特徴抽出能力を高めるためにエンコーダ構造を最適化することに焦点を当て、類似性計算戦略には比較的注意を払っていない。 これらの欠点に対処するために、自然言語処理(NLP)におけるColBERTの遅延相互作用機構から着想を得て、時間的非同期アライメントに基づくコントラシブラーニング(TA2CL)フレームワークを提案する。 この方法では、従来のグローバルな「ハードアライメント」類似性計算手法を微細な局所マッチング機構に変換し、モデルが2つの脳波信号間の「局所的に高相関」セグメントを適応的に探索・調整し、オブジェクト間差と時間遅延の影響を効果的に緩和する。 実験の結果,提案手法は複数の公開データセットに対して高い性能を示すことがわかった。 特に、FACEDデータセットでは、9クラス分類タスクで64.5%、バイナリ分類タスクで79.5%、SEEDデータセットとSEED-Vデータセットでそれぞれ86.4%、70.1%の精度を達成し、メソッドの有効性と一般化能力を検証している。

関連論文リスト

• CRIA: A Cross-View Interaction and Instance-Adapted Pre-training Framework for Generalizable EEG Representations [52.251569042852815]
  CRIAは、可変長および可変チャネルコーディングを使用して、異なるデータセット間でEEGデータの統一表現を実現する適応フレームワークである。 このモデルでは、時間的、スペクトル的、空間的特徴を効果的に融合させるクロスアテンション機構を採用している。 テンプル大学脳波コーパスとCHB-MITデータセットによる実験結果から、CRIAは既存の方法よりも、同じ事前学習条件で優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-19T06:31:08Z)
• Electromyography-Based Gesture Recognition: Hierarchical Feature Extraction for Enhanced Spatial-Temporal Dynamics [0.7083699704958353]
  本稿では, 時間的時間的特徴抽出手法として, 軽量な圧縮励起深層学習手法を提案する。 提案したモデルは、Ninapro DB2、DB4、DB5データセットでそれぞれ96.41%、92.40%、93.34%の精度でテストされた。
  論文  参考訳（メタデータ） (2025-04-04T07:11:12Z)
• Dual-TSST: A Dual-Branch Temporal-Spectral-Spatial Transformer Model for EEG Decoding [2.0721229324537833]
  デュアルブランチ時間スペクトル空間変換器(Dual-TSST)を用いた新しいデコードアーキテクチャネットワークを提案する。 提案するDual-TSSTは様々なタスクにおいて優れており,平均精度80.67%の脳波分類性能が期待できる。 本研究は,高性能脳波デコーディングへの新たなアプローチを提供するとともに,将来のCNN-Transformerベースのアプリケーションにも大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-09-05T05:08:43Z)
• Graph Convolutional Network with Connectivity Uncertainty for EEG-based Emotion Recognition [20.655367200006076]
  本研究では,脳波信号の空間依存性と時間スペクトルの相対性を表す分布に基づく不確実性手法を提案する。 グラフ混合手法は、遅延接続エッジを強化し、ノイズラベル問題を緩和するために用いられる。 感情認識タスクにおいて、SEEDとSEEDIVという2つの広く使われているデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2023-10-22T03:47:11Z)
• DIR-AS: Decoupling Individual Identification and Temporal Reasoning for Action Segmentation [84.78383981697377]
  完全な教師付きアクションセグメンテーションは、高密度アノテーションによるフレームワイドアクション認識に作用し、しばしば過剰なセグメンテーションの問題に悩まされる。 本研究では, 時間的ピラミッド拡張と時間的ピラミッドプールを併用して, 効率的なマルチスケールアテンションを実現するため, 新たなローカル・グローバルアテンション機構を開発した。 GTEAでは82.8%(+2.6%)、Breakfastでは74.7%(+1.2%)の精度を実現し,本手法の有効性を示した。
  論文  参考訳（メタデータ） (2023-04-04T20:27:18Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• Spatio-temporal Gait Feature with Adaptive Distance Alignment [90.5842782685509]
  我々は,ネットワーク構造の最適化と抽出した歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差を増大させようとしている。 提案手法は時空間特徴抽出(SFE)と適応距離アライメント(ADA)から構成される。 ADAは実生活における多数の未ラベルの歩行データをベンチマークとして使用し、抽出した時間的特徴を洗練し、クラス間類似度が低く、クラス内類似度が高いようにしている。
  論文  参考訳（メタデータ） (2022-03-07T13:34:00Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Contrastive Learning of Subject-Invariant EEG Representations for Cross-Subject Emotion Recognition [9.07006689672858]
  本稿では、信頼度の高いクロスオブジェクト感情認識のためのISAのためのコントラスト学習法を提案する。 ISAは、異なる刺激に対して同じ刺激を受けた被験者間での脳波信号の類似性を最大化する。 脳波信号から物体間表現を学習するために,深部空間畳み込み層と時間畳み込み層を有する畳み込みニューラルネットワークを適用した。
  論文  参考訳（メタデータ） (2021-09-20T14:13:45Z)
• Modeling long-term interactions to enhance action recognition [81.09859029964323]
  本稿では,フレームレベルと時間レベルの両方でオブジェクト間の相互作用のセマンティクスを利用する,エゴセントリックなビデオのアンダースタンドアクションに対する新しいアプローチを提案する。 ユーザの手とほぼ対応するプライマリ領域と、相互作用するオブジェクトに対応する可能性のあるセカンダリ領域のセットを入力として、領域ベースのアプローチを使用する。 提案手法は, 標準ベンチマークの動作認識において, 最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2021-04-23T10:08:15Z)
• Multiple Object Tracking with Correlation Learning [16.959379957515974]
  本研究では,局所相関モジュールを用いて,対象と周辺環境のトポロジカルな関係をモデル化する。 具体的には,各空間の位置とその文脈の密接な対応を確立し,自己教師付き学習を通じて相関量を明確に制約する。 提案手法は, 相関学習と優れた性能の相関学習の有効性を示し, MOT17では76.5%, IDF1では73.6%の最先端MOTAが得られる。
  論文  参考訳（メタデータ） (2021-04-08T06:48:02Z)

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。