論文の概要: Strength-Parity Ensembling with Parameter-Isolated Experts for Multi-Task Affect Recognition

• arxiv url: http://arxiv.org/abs/2607.16290v1
• Date: Sun, 12 Jul 2026 17:12:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.089709
• Title: Strength-Parity Ensembling with Parameter-Isolated Experts for Multi-Task Affect Recognition
• Title（参考訳）: パラメータ分離エキスパートによるマルチタスクアフェクト認識のための強度パリティ
• Authors: Hong Hai Nguyen, Van Thong Huynh,
• Abstract要約: 私たちは2つの感情管理バックボーンにまたがって、行方不明のラベルをマージする共有感情ラテントを構築します。 加算部材がアンサンブル誤差を減少させるのは,現行部材と非相関であり,その近点が個々の精度で一致した場合に限られる。
• 参考スコア（独自算出の注目度）: 5.017607777380893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Leading entries on the multi-task track of the 11th ABAW challenge rely on heavy ensembling, yet which member is worth adding to an already strong ensemble is rarely made explicit. We study this question for joint valence-arousal estimation, 8-way expression recognition, and 12-way action-unit detection from a single unconstrained face, under partial, long-tailed labels and a rule that forbids pretraining on Aff-Wild2. Building on a shared affect-latent that marginalizes the missing labels across two affect-supervised backbones, we propose a strength-parity rule: an added member lowers the ensemble error only when it is both decorrelated from the current members and a near-peer of them in individual accuracy. The rule exposes a concrete obstacle, as on a single backbone re-seeding and even distinct fine-tuning curricula re-converge to a prediction correlation of 0.98 and add no diversity. Parameter-isolation removes it: confining each adaptation to a disjoint low-rank subspace of a shared backbone yields experts that stay decorrelated at 0.91 while remaining near-peers, the strongest of them an AffectNet-adapted expert. The resulting system raises the overall validation score to 1.6949, against the organizers ConvNeXt-with-MixAugment baseline of 0.45; with per-AU calibration and by pooling the shared-latent heads valence-arousal byproduct as a further near-peer, the strongest configuration reaches 1.7259.
• Abstract（参考訳）: 第11回ABAWチャレンジのマルチタスクトラックへのエントリーは、重いアンサンブルに依存している。 本研究では,Aff-Wild2で事前学習することを禁じるルールと,部分的,長い尾のラベルの下での1つの非拘束面からの結合価-覚醒推定,8方向表現認識,12方向動作単位の検出について検討する。 2つの感情教師付きバックボーンにまたがるラベルを疎外する共有感情ラテント上に構築し、各メンバーが個々の精度で現在のメンバーと非相関である場合にのみアンサンブル誤差を下げる強度パーティ則を提案する。 この規則は、単一のバックボーンの再探索のような具体的な障害を露呈し、微調整されたキュリキュラは0.98の予測相関に再収束し、多様性を付加しない。 共有バックボーンの解離した低ランク部分空間にそれぞれの適応を収束させることで、0.91で非相関な専門家が近点を保ちながら、最も強い専門家はAffectNetに適応した専門家である。 その結果、オーガナイザのConvNeXt-with-MixAugmentベースライン0.45に対して、全体の検証スコアが1.6949まで上昇し、AU単位のキャリブレーションと、より近いピアとして共有遅延価覚醒副産物をプールすることで、最強構成が1.7259に達する。

関連論文リスト

• The Entanglement Wall: Activation-Space Probes as Risk Detectors, Not Context Adjudicators [0.0]
  コンテキストは、そのトピックやサーフェスフォームを変更することなく、リクエストが有害であるかどうかを変更することができる。 残留流探触子による有害な要求と表面整合ベニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグ
  論文  参考訳（メタデータ） (2026-07-12T20:37:19Z)
• PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
  PerceptionRubricsはルーブリックベースの評価フレームワークである。 飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。 1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
  論文  参考訳（メタデータ） (2026-06-26T17:59:15Z)
• Nous: An Attempt to Extract and Inject the Cognition Behind Prediction-Market Behavior [0.0]
  人間の認知の多様性が行動から回復し、LSMエージェントに移行できるかどうかを問う。 Nousは、実際のポリマーケット取引活動から構造化された8次元の行動プロファイルを抽出し、プロンプトを通じてエージェントに注入する。 我々は,Nousを認知的モノカルチャー問題と即時治療の限界を計測するものとして位置づける。
  論文  参考訳（メタデータ） (2026-06-11T08:18:25Z)
• From Observation to Intervention: A Causal Audit of Expert Importance in Mixture-of-Experts Models [0.2230291569252836]
  本研究では,Mixture-of-Experts (MoE) プルーニングにおけるルーティング統計の利用について検討する。 あらゆるモデルにおいて因果的専門家の重要性を予測する観察的指標は見つからない。 以上の結果から, 人口レベルの観察結果から, 専門家の重要度に関するトークンレベルの介入主張まで, 共通の推論段階に対する明確な反例が得られた。
  論文  参考訳（メタデータ） (2026-06-09T11:04:19Z)
• Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
  本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。 楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。 本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
  論文  参考訳（メタデータ） (2026-05-27T03:41:11Z)
• Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
  大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。 損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。 視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。 言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
  論文  参考訳（メタデータ） (2026-03-20T02:07:10Z)
• VorTEX: Various overlap ratio for Target speech EXtraction [2.9248680865344343]
  VorTEXはテキストプロンプトされたTSEアーキテクチャであり、補助正規化経路から一次抽出を分離する。 制御分析を可能にするために,重なり比を0%から100%に分散した2話者データセット PORTE を構築した。 VorTEXは20-100%の重なりで高い分離率を達成する一方、既存のモデルでは重なりの抑制や残差が示される。
  論文  参考訳（メタデータ） (2026-03-16T04:00:26Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• Relabel the Noise: Joint Extraction of Entities and Relations via Cooperative Multiagents [52.55119217982361]
  協調型マルチエージェント群を用いて,雑音の多いインスタンスを処理するための共同抽出手法を提案する。 ノイズの多いインスタンスをきめ細かな方法で処理するために、協調グループの各エージェントは、自身の視点で連続的な信頼スコアを算出してインスタンスを評価する。 信頼度コンセンサスモジュールは、すべてのエージェントの知恵を収集し、信頼度ラベル付きラベルでノイズの多いトレーニングセットを再分割するように設計されている。
  論文  参考訳（メタデータ） (2020-04-21T12:03:04Z)

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。