論文の概要: From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition

• arxiv url: http://arxiv.org/abs/2605.27451v1
• Date: Sun, 24 May 2026 17:44:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.288033
• Title: From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition
• Title（参考訳）: 影響から複雑な行動へ:第10回ABAWワークショップ・コンペティションにおけるマルチモーダル人間中心AIの活用
• Authors: Dimitrios Kollias, Panagiotis Tzirakis, Alan Cowen, Stefanos Zafeiriou, Irene Kotsia, Eric Granger, Marco Pedersoli, Simon Bacon, Jens Madsen, Soufiane Belharbi, Muhammad Haseeb Aslam, Chunchang Shao, Guanyu Hu,
• Abstract要約: ABAWコンペティションでは、感情的および行動的理解の重要な側面をターゲットにした、さまざまな課題が紹介されている。 論文のトラックでは、ポーズ、動きと行動の推定、モデリングとマルチモーダル学習、ベンチマーク、データセットと評価プロトコル、公正性、堅牢性とデプロイメントなど、幅広いコントリビューションを提示している。
• 参考スコア（独自算出の注目度）: 60.17193786245766
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The 10th Affective & Behavior Analysis in-the-Wild (ABAW) Workshop and Competition, held at CVPR 2026, continues to advance research on modelling, analysis, understanding of human affect and behavior in real-world, unconstrained environments. The workshop maintains its dual structure, comprising both a competition and a paper track. The ABAW Competition introduces a diverse set of challenges targeting key aspects of affective and behavioral understanding, including continuous affect (valence-arousal) estimation, discrete affect (expression and action unit) recognition, as well as more complex behavior analysis tasks, such as emotional mimicry intensity estimation, ambivalence/hesitancy recognition and fine-grained violence detection. These challenges are built upon large-scale in-the-wild datasets, providing comprehensive benchmarks for state-of-the-art approaches. In parallel, the paper track presents a wide range of contributions spanning pose, motion & behavior estimation, affect modelling & multimodal learning, benchmarks, datasets & evaluation protocols, fairness, robustness & deployment. Overall, the 10th ABAW Workshop and Competition continues to serve as a key platform for benchmarking, collaboration and innovation, shaping the development of next-generation multimodal, human-centered AI systems.
• Abstract（参考訳）: 第10回 Affective & Behavior Analysis in-the-Wild (ABAW) Workshop and Competition (CVPR 2026) は、実世界の制約のない環境でのモデリング、分析、人間の感情と行動の理解について研究を続けている。 このワークショップは、コンペティションとペーパートラックの両方からなる二重構造を維持している。 ABAWコンペティションは、感情的および行動的理解の重要な側面をターゲットにした様々な課題を導入しており、その中には、連続的な影響(原子価刺激)推定、離散的な影響(表現と行動単位)認識、さらに感情的模倣強度推定、アンビバレンス/ヘシデンシー認識、きめ細かい暴力検出など、より複雑な行動分析タスクが含まれる。 これらの課題は、大規模なインザワイルドデータセット上に構築され、最先端アプローチの包括的なベンチマークを提供する。 並行して、論文トラックでは、ポーズ、動きと振舞いの推定、モデリングとマルチモーダル学習、ベンチマーク、データセットと評価プロトコル、公正性、堅牢性とデプロイメントに関する幅広いコントリビューションを提示している。 全体として、第10回ABAWワークショップとコンペティションは、ベンチマーク、コラボレーション、イノベーションの重要なプラットフォームとして機能し続け、次世代のマルチモーダルで人間中心のAIシステムの開発を形作っている。

関連論文リスト

• Closing the Evaluation Gap: Developing a Behavior-Oriented Framework for Assessing Virtual Teamwork Competency [6.169364905804677]
  本研究では,工学系学生の仮想チームワーク能力を評価するための行動指向フレームワークを開発する。 批判的インシデントテクニックと組み合わせたフォーカスグループインタビューを用いて,3つの重要な側面を同定した。 結果として得られるフレームワークは、より効果的な評価プラクティスの基礎を提供する。
  論文  参考訳（メタデータ） (2025-04-20T08:12:27Z)
• Evaluating Human-AI Collaboration: A Review and Methodological Framework [4.41358655687435]
  人間-AIコラボレーション(Human-AI Collaboration、HAIC)として知られる個人との作業環境における人工知能(AI)の利用が不可欠である。 HAICの有効性を評価することは、関連するコンポーネントの複雑な相互作用のため、依然として困難である。 本稿では,既存のHAIC評価手法を詳細に分析し,これらのシステムをより効果的に評価するための新しいパラダイムを開発する。
  論文  参考訳（メタデータ） (2024-07-09T12:52:22Z)
• Investigating the Role of Instruction Variety and Task Difficulty in Robotic Manipulation Tasks [50.75902473813379]
  本研究は、そのようなモデルの一般化能力における命令と入力の役割を体系的に検証する包括的評価フレームワークを導入する。 提案フレームワークは,極度の命令摂動に対するマルチモーダルモデルのレジリエンスと,観測的変化に対する脆弱性を明らかにする。
  論文  参考訳（メタデータ） (2024-07-04T14:36:49Z)
• The 6th Affective Behavior Analysis in-the-wild (ABAW) Competition [53.718777420180395]
  本稿では,第6回ABAWコンペティションについて述べる。 第6回ABAWコンペティションは、人間の感情や行動を理解する上での現代の課題に対処する。
  論文  参考訳（メタデータ） (2024-02-29T16:49:38Z)
• Multi-modal Facial Affective Analysis based on Masked Autoencoder [7.17338843593134]
  CVPR 2023: ABAW5 competition: Affective Behavior Analysis in-the-wild について紹介する。 まず,大規模顔画像データセット上で事前学習したMasked Autoencoder(MAE)モデルの視覚情報を利用する。 ABAW5では,平均F1スコアが55.49%,EXPRトラックが41.21%であった。
  論文  参考訳（メタデータ） (2023-03-20T03:58:03Z)
• Multimodal Feature Extraction and Fusion for Emotional Reaction Intensity Estimation and Expression Classification in Videos with Transformers [47.16005553291036]
  我々は,野生(ABAW)2023における2つの影響行動分析のサブチャレンジに対して,その解決策を提示する。 表現分類チャレンジでは,分類の課題を効果的に処理する合理化アプローチを提案する。 これらの特徴を研究、分析、組み合わせることで、マルチモーダルコンテキストにおける感情予測のためのモデルの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-03-16T09:03:17Z)

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。