論文の概要: REACT 2026: The Fourth Multiple Appropriate Facial Reaction Generation Challenge: Personalised MAFRG and Appropriate EEG Reaction Prediction

• arxiv url: http://arxiv.org/abs/2606.07935v1
• Date: Sat, 06 Jun 2026 01:52:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.545952
• Title: REACT 2026: The Fourth Multiple Appropriate Facial Reaction Generation Challenge: Personalised MAFRG and Appropriate EEG Reaction Prediction
• Title（参考訳）: REACT 2026:第4回顔反応生成チャレンジ:パーソナライズされたMAFRGと適切な脳波反応予測
• Authors: Siyang Song, Micol Spitale, Zijian Wu, Xiangyu Kong, Cheng Luo, Cristina Palmero, German Barquero, Sergio Escalera, Michel Valstar, Mohamed Daoudi, Fabien Ringeval, Andrew Howes, Elisabeth Andre, Hatice Gunes,
• Abstract要約: ダイアド相互作用では、様々な人間の顔反応が、それぞれの人間の話者の行動に反応するのに適している可能性がある。 機械学習(ML)モデルの開発とベンチマークを奨励するREACT 2026チャレンジを提案する。 これは、人間の表現的行動、感情的、神経生理学的信号を組み合わせた、新しい1対多の顔反応生成を導入している。
• 参考スコア（独自算出の注目度）: 62.91599235890638
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In dyadic interactions, various human facial reactions could be appropriate for responding to each human speaker behaviour. Following the successful organisation of the REACT 2023, 2024 and 2025 challenge series, a body of generative deep learning (DL) models have been developed for the problem of multiple appropriate facial reaction generation (MAFRG). This year, we propose the REACT 2026 challenge encouraging the development and benchmarking of Machine Learning (ML) models that can generate multiple personalised, appropriate, diverse, realistic and synchronised human-style facial reactions expressed by a specific human listener for responding to each given speaker behaviour. As a key of the challenge, we continuously provide challenge participants with MARS dataset introduced by REACT 2025 but additionally provide individual-level Big-Five personality labels and EEG recordings. This introduces a new one-to-many personalised facial reaction generation setting combining human expressive behavioural, affective and neurophysiological signals, which remains largely unexplored in current dyadic interaction modelling. This paper also presents the challenge guidelines and new baselines on the four proposed sub-challenges: Offline generic and personalised MAFRG as well as Online generic and personalised MAFRG, respectively, which are publicly available at https://github.com/reactmultimodalchallenge/baseline_react2026.
• Abstract（参考訳）: ダイアド相互作用では、様々な人間の顔反応が、それぞれの人間の話者の行動に反応するのに適している可能性がある。 REACT 2023、2024、2025のチャレンジシリーズの成功に続いて、複数の顔反応生成(MAFRG)の問題に対して、生成的深層学習(DL)モデルが開発された。 今年、我々は機械学習(ML)モデルの開発とベンチマークを奨励するREACT 2026チャレンジを提案し、複数のパーソナライズされた、適切で、多様性があり、現実的で、同期したヒューマンスタイルの顔反応を、特定の人間のリスナーがそれぞれの話者の振る舞いに応答するために表現する。 この課題の鍵として、REACT 2025によって導入されたMARSデータセットを挑戦参加者に継続的に提供し、個別レベルのBig-FiveパーソナリティラベルとEEG記録を提供する。 これは、人間の表現的行動、感情的、神経生理学的信号を組み合わせた、新しい1対多の顔反応生成を導入する。 また,提案する4つのサブチャレンジについて,オンラインジェネリックMAFRG,オンラインジェネリックMAFRG,パーソナライズMAFRGの課題ガイドラインと新たなベースラインを提示する。

関連論文リスト

• HUMANLLM: Benchmarking and Reinforcing LLM Anthropomorphism via Human Cognitive Patterns [59.17423586203706]
  本稿では,心理的パターンを因果力の相互作用として扱うフレームワークであるHUMANLLMを提案する。 12,000の学術論文から244のパターンを構築し、2-5のパターンが相互に強化、衝突、変調されるシナリオ11,359を合成する。 我々の二重レベルチェックリストは、個々のパターンの忠実度と創発的なマルチパターンのダイナミクスを評価し、強い人間のアライメントを達成する。
  論文  参考訳（メタデータ） (2026-01-15T08:56:53Z)
• Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
  テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。 ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。 我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-22T18:59:50Z)
• ReactDiff: Fundamental Multiple Appropriate Facial Reaction Diffusion Model [0.9786690381850356]
  多様な顔反応を生成するための新しい時間拡散フレームワークであるReactDiffを提案する。 私たちの重要な洞察は、もっともらしい人間の反応は、時間の経過とともに滑らかさとコヒーレンスを示すということです。 提案手法は, 最先端の反応品質を達成し, 多様性と反応適性に優れる。
  論文  参考訳（メタデータ） (2025-10-06T11:30:40Z)
• EEG Foundation Challenge: From Cross-Task to Cross-Subject EEG Decoding [63.898595224608464]
  2つの課題からなる大規模なコードベースのコンペティションを導入します。 Transfer Challengeは参加者に対して,新たなタスクと新たな課題をEEGデータからゼロショットデコード可能なモデルの構築とテストを求めるものだ。 精神病理因子予測チャレンジでは、参加者に脳波データからメンタルヘルスの指標を推測するよう求めている。
  論文  参考訳（メタデータ） (2025-06-23T21:25:19Z)
• REACT 2025: the Third Multiple Appropriate Facial Reaction Generation Challenge [42.33323347077101]
  ダイアド相互作用では、人間の顔反応の幅広いスペクトルが、それぞれの人間の話者の行動に反応するのに適しているかもしれない。 私たちは、機械学習(ML)モデルの開発とベンチマークを促進するREACT 2025チャレンジを提案しています。 本研究は,ヒトとダイアドの相互作用を137件記録したMAFRGデータセット(MARS)を,自然かつ大規模に提供した。
  論文  参考訳（メタデータ） (2025-05-22T18:55:23Z)
• REACT 2024: the Second Multiple Appropriate Facial Reaction Generation Challenge [36.84914349494818]
  ダイアド的相互作用において、人間は言語的および非言語的手がかりを用いて意図と心の状態を伝える。 複数の適切な、多様性があり、現実的で、同期された人間の顔反応を自動的に生成できる機械学習(ML)モデルの開発は、難しい作業です。 本稿では、REACT 2024チャレンジのガイドラインと、その課題に利用されるデータセットについて述べる。
  論文  参考訳（メタデータ） (2024-01-10T14:01:51Z)
• REACT2023: the first Multi-modal Multiple Appropriate Facial Reaction Generation Challenge [28.777465429875303]
  Multi-modal Multiple Appropriate Facial Reaction Generation Challenge (REACT2023)は、マルチメディア処理と機械学習技術を評価することに焦点を当てた最初のコンペティションイベントである。 この課題の目標は、マルチモーダル情報処理のための最初のベンチマークテストセットを提供することと、オーディオ、視覚、およびオーディオ視覚的コンピュータコミュニティ間のコラボレーションを促進することである。
  論文  参考訳（メタデータ） (2023-06-11T04:15:56Z)
• Reversible Graph Neural Network-based Reaction Distribution Learning for Multiple Appropriate Facial Reactions Generation [22.579200870471475]
  本稿では,最初の複数顔反応生成フレームワークを提案する。 顔の反応生成問題を1対1のマッピング問題として再定式化する。 実験の結果,提案手法は既存のモデルよりも,より適切で現実的で,同期的な顔反応を生成できることがわかった。
  論文  参考訳（メタデータ） (2023-05-24T15:56:26Z)

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。