論文の概要: SICAGE: Speaker-Independent Culture-Aware Gesture Generation using TED4C-L Dataset

• arxiv url: http://arxiv.org/abs/2606.30001v1
• Date: Mon, 29 Jun 2026 09:11:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.157239
• Title: SICAGE: Speaker-Independent Culture-Aware Gesture Generation using TED4C-L Dataset
• Title（参考訳）: SICAGE:TED4C-Lデータセットを用いた話者非依存型文化認識ジェスチャー生成
• Abstract要約: SICAGEは、カルチャー対応の音声ジェスチャー生成のためのモジュラーフレームワークである。 SICAGEは、各話者を独立したドメインとして扱うことで、音声とテキストから表現を学習する。 ALaDiTは、学習した文化的埋め込みを効率的に組み込むために設計されたリアルタイム拡散に基づくジェスチャージェスチャジェネレータである。
• 参考スコア（独自算出の注目度）: 10.988145884009505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent co-speech gesture generation methods often overlook cultural differences, limiting their effectiveness in human-agent interaction. Moreover, culture-conditioned models are rarely evaluated under speaker-disjoint splits, so apparent "cultural" behavior may be confounded with speaker-specific gesturing style. We introduce SICAGE, a modular framework for culture-aware co-speech gesture generation that conditions motion synthesis models on speaker-independent cultural representations. SICAGE learns these representations from audio and text by treating each speaker as a separate domain while imposing invariance across speakers. This encourages representations to remain culture-discriminative while reducing dependence on speaker identity. The resulting cultural embeddings condition a multimodal generator to produce culturally appropriate gestures. We instantiate this idea with two domain generalization approaches: adversarial learning and Fishr regularization. We further introduce ALaDiT, a real-time diffusion-based gesture generator designed to efficiently incorporate the learned cultural embeddings. To validate our method, we built TED4C-L, a 106-hour multimodal dataset of 764 TED speakers from four cultural groups. Experiments show that SICAGE improves motion realism, diversity, beat synchronization, semantic relevance, and cultural consistency.
• Abstract（参考訳）: 最近の共同音声ジェスチャ生成手法は、文化的な違いを見落とし、人間とエージェントの相互作用におけるその効果を制限している。 さらに、文化条件付きモデルは話者結合分割下ではほとんど評価されないため、明らかな「文化的」な振る舞いは、話者固有のジェスチャースタイルと組み合わせることができる。 SICAGEは、話者非依存の文化的表現上での動作合成モデルを条件付ける、文化認識型音声合成のためのモジュラーフレームワークである。 SICAGEは、各話者を別のドメインとして扱い、話者間の不変性を示唆することで、これらの表現を音声とテキストから学習する。 これにより、表現は文化的な差別を保ちながら、話者のアイデンティティへの依存を減らすことができる。 結果として生じる文化的埋め込みは、文化的に適切なジェスチャーを生成するためのマルチモーダルジェネレータを条件とする。 このアイデアを、逆学習とフィッシュ正則化の2つの領域一般化アプローチでインスタンス化する。 さらに、学習した文化的埋め込みを効率的に組み込むために設計されたリアルタイム拡散に基づくジェスチャジェネレータであるALaDiTを紹介する。 提案手法を検証するため,4つの文化グループから764人のTED話者の106時間のマルチモーダルデータセットであるTED4C-Lを構築した。 実験により、SICAGEは動きリアリズム、多様性、ビート同期、意味的関連性、文化的一貫性を改善していることが示された。

関連論文リスト

• Same Lesson, Different Story: Cross-Lingual Reconstruction of Cultural Narratives in Large Language Models [0.0]
  本研究では、15言語にまたがる414の証明を言語横断的に収集する多言語評価物語フレームワークを提案する。 この分析は、モデルが言語間で意味を保っているかどうか、言語間条件付けが物語の実現にどのように影響するか、そして異なるモデルファミリーが類似の解釈に収束しているかどうかを評価する。
  論文  参考訳（メタデータ） (2026-06-23T14:10:34Z)
• CCBENCH: Assessing LLM Cultural Competence via Implicitly Signaled Norms using Health Queries [42.15271207948674]
  大規模言語モデル(LLM)における文化的能力評価フレームワークであるCCBENCHを紹介する。 CCBENCH-Healthは、6つの文化にまたがる様々な標準順守状態を示す60の人格を含む。 5つの主要なモデルをベンチマークすると、最善者が文化的に適切なレスポンスを達成しても、その時間の20～30%しか得られないことが明らかになった。
  論文  参考訳（メタデータ） (2026-06-08T22:52:34Z)
• AVMeme Exam: A Multimodal Multilingual Multicultural Benchmark for LLMs' Contextual and Cultural Knowledge and Thinking [59.15472057710525]
  AVMeme Examは、音声、歌、音楽、サウンドエフェクトにまたがる、1000以上の象徴的なインターネットの音とビデオの人間による評価ベンチマークである。 各ミームは、表面コンテンツからコンテキスト、感情、使用法、世界知識への理解レベルを評価するユニークなQ&Aと組み合わせられる。 このベンチマークを用いて,最先端のマルチモーダル言語モデル (MLLM) を人間の参加者とともに体系的に評価した。
  論文  参考訳（メタデータ） (2026-01-25T01:40:15Z)
• Tears or Cheers? Benchmarking LLMs via Culturally Elicited Distinct Affective Responses [28.3173238194554]
  CEDARは、文化的にアンダーラインのscElicited underlinetextscDistinct underlinetextscAffective underlinetextscResponsesをキャプチャするシナリオから構築されたベンチマークである。 その結果得られたベンチマークは、7つの言語に10,962のインスタンスと14のきめ細かい感情カテゴリで構成され、各言語には400のマルチモーダルと1,166のテキストのみのサンプルが含まれている。
  論文  参考訳（メタデータ） (2026-01-19T13:04:26Z)
• CALM: Culturally Self-Aware Language Models [22.309957211042597]
  CALMは、文化的自己認識を持つ言語モデルを支援するために設計された新しいフレームワークである。 タスクのセマンティクスを、明示的な文化的概念や潜伏した文化的シグナルから切り離す。 結果として得られた統一表現は、文化的に根ざした内的アイデンティティ状態を構築するためのモデル本来の知識と融合する。
  論文  参考訳（メタデータ） (2026-01-07T00:28:33Z)
• Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation [43.352493955825736]
  現在のT2Iモデルは、多言語的なプロンプトの下で、文化的に中立な結果や英語に偏った結果をもたらすことが多い。 本稿では,培養感受性シグナルを少数の固定層内の小さなニューロン群に局在させる探索法を提案する。
  論文  参考訳（メタデータ） (2025-11-21T14:40:50Z)
• Cultural Alien Sampler: Open-ended art generation balancing originality and coherence [77.30507101341111]
  本稿では,文化的な典型から構成的適合を分離する概念選択手法である文化異性サンプリング(CAS)を紹介する。 CASは、コヒーレンスが高く、典型性が低い組み合わせをターゲットにしており、学習慣行や組み込み文化の文脈から逸脱しながら内部の一貫性を維持するアイデアを生み出している。
  論文  参考訳（メタデータ） (2025-10-21T09:32:46Z)
• From Word to World: Evaluate and Mitigate Culture Bias in LLMs via Word Association Test [50.51344198689069]
  我々は,人中心語関連テスト(WAT)を拡張し,異文化間認知による大規模言語モデルのアライメントを評価する。 文化選好に対処するために,モデルの内部表現空間に直接,文化固有の意味的関連性を直接埋め込む革新的なアプローチであるCultureSteerを提案する。
  論文  参考訳（メタデータ） (2025-05-24T07:05:10Z)
• CAReDiO: Cultural Alignment of LLM via Representativeness and Distinctiveness Guided Data Optimization [50.90288681622152]
  大規模言語モデル(LLM)は、より深く様々な地域における人間の生活に統合される。 既存のアプローチは、文化固有のコーパスを微調整することで、文化的に整合したLCMを開発する。 本稿では,新しい文化データ構築フレームワークであるCAReDiOを紹介する。
  論文  参考訳（メタデータ） (2025-04-09T13:40:13Z)
• CulturePark: Boosting Cross-cultural Understanding in Large Language Models [63.452948673344395]
  本稿では,LLMを利用した文化データ収集のためのマルチエージェント通信フレームワークであるCultureParkを紹介する。 人間の信念、規範、習慣をカプセル化した高品質な異文化対話を生成する。 我々はこれらのモデルを,コンテンツモデレーション,文化的アライメント,文化教育という3つの下流課題にまたがって評価する。
  論文  参考訳（メタデータ） (2024-05-24T01:49:02Z)

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。