論文の概要: EEG Emotion Recognition From AI-Generated Biodigital Architecture Images

• arxiv url: http://arxiv.org/abs/2607.24808v1
• Date: Fri, 10 Jul 2026 14:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.077582
• Title: EEG Emotion Recognition From AI-Generated Biodigital Architecture Images
• Title（参考訳）: AIによる生体デジタルアーキテクチャ画像からの脳波認識
• Abstract要約: 生体デジタルアーキテクチャに対する感情応答を,AI生成画像から脳波(EEG)データを用いて検討した。 緑化や非均一なテクスチャなどの要因は肯定的な感情と結びついており、湿気は否定的な反応を引き起こした。
• 参考スコア（独自算出の注目度）: 2.255961793913651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional responses to biodigital architecture were examined using electroencephalographic (EEG) data from AI-generated images. A pre-experiment involving 336 participants identified 60 images, selected from an initial pool of 600, that elicited strong emotional responses categorized as awe, disgust, or content. These images were used for EEG recordings of 52 volunteers, with channel selection and sample size estimation based on the analysis of an existing dataset. Gamma and delta bands yielded the highest classification accuracy, with the gamma band achieving an accuracy of 77.07 percent +/- 13.8 percent for the awe emotion. Key factors such as greenery and non-uniform granularity were linked to positive emotions, while dampness triggered negative reactions. These results emphasize the significance of incorporating natural elements and varied textures in biodigital architecture to enhance aesthetic appeal and acceptance. The study demonstrates EEG's capability to objectively assess architectural preferences, providing valuable insights for architects to design engaging and sustainable environments.
• Abstract（参考訳）: 生体デジタルアーキテクチャに対する感情応答を,AI生成画像から脳波(EEG)データを用いて検討した。 336人の被験者による事前実験では、600のプールから選ばれた60枚の画像が検出された。 これらの画像は52名のボランティアの脳波記録に使われ、既存のデータセットの分析に基づいてチャネル選択とサンプルサイズ推定を行った。 ガンマバンドとデルタバンドは最も高い分類精度を示し、ガンマバンドは77.77%+/-13.8%の精度を達成した。 緑化や不均一な粒度などの要因は正の感情と相関し, 湿気は負の反応を引き起こした。 これらの結果は, 美的魅力と受容性を高めるために, 自然的要素と多様なテクスチャを生体デジタルアーキテクチャに取り入れることの重要性を強調した。 この研究は、EEGがアーキテクチャの好みを客観的に評価する能力を示し、アーキテクトが魅力的で持続可能な環境を設計するための貴重な洞察を提供する。

関連論文リスト

• Towards Deeper Emotional Reflection: Crafting Affective Image Filters with Generative Priors [60.113589550498176]
  ソーシャルメディアプラットフォームでは、ユーザーは添付画像でテキストを投稿することで感情を表現することができる。 本稿では,テキストから視覚的に吸収された感情を視覚的に一致した画像に反映することを目的としたAffective Image Filter (AIF)タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-19T09:24:22Z)
• Cross-domain EEG-based Emotion Recognition with Contrastive Learning [18.994691970541997]
  この研究は、CLIPフレームワーク内のEEGテキストマッチングタスクとして認識を再構成するEmotionCLIPを導入している。 調整されたバックボーンであるSST-LegoViTは、マルチスケールの畳み込みとトランスフォーマーモジュールを使用して空間、スペクトル、時間的特徴をキャプチャする。
  論文  参考訳（メタデータ） (2025-11-07T14:55:10Z)
• EEG-ImageNet: An Electroencephalogram Dataset and Benchmarks with Image Visual Stimuli of Multi-Granularity Labels [12.783945503890962]
  我々は、画像Netデータセットから選択された4000の画像に露出した16人の被験者からの録音を含む新しいEEGデータセットであるEEG-ImageNetを紹介する。 EEG-ImageNetは、既存の類似のEEGベンチマークの5倍のEEGイメージペアで構成されている。 そこで本研究では,対象分類と画像再構成のベンチマークを構築し,対象分類の精度を60%,画像再構成の精度を64%程度で達成できることを示す。
  論文  参考訳（メタデータ） (2024-06-11T10:52:17Z)
• AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
  我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。 3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。 我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2024-04-01T10:08:23Z)
• Exploring the Naturalness of AI-Generated Images [59.04528584651131]
  我々は、AI生成画像の視覚的自然性をベンチマークし、評価する第一歩を踏み出した。 本研究では,人間の評価を整列するAGIの自然性を自動予測するジョイント・オブジェクト・イメージ・ナチュラルネス評価器(JOINT)を提案する。 その結果,JOINTは自然性評価において,より主観的に一貫した結果を提供するために,ベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2023-12-09T06:08:09Z)
• Inter Subject Emotion Recognition Using Spatio-Temporal Features From EEG Signal [4.316570025748204]
  この研究は、脳波信号から感情を独立して分類する、簡単に実装できる感情認識モデルに関するものである。 このモデルは、感情を分類するために、CNNの正規層、深さ層、分離可能な畳み込み層の組み合わせである。 精度は73.04%だった。
  論文  参考訳（メタデータ） (2023-05-27T07:43:19Z)
• Self-supervised Group Meiosis Contrastive Learning for EEG-Based Emotion Recognition [4.763573596218676]
  限られたラベルで感情を認識する方法が、新しい研究とアプリケーションのボトルネックになっている。 本稿では,ヒトにおける脳波の刺激的一貫した信号に基づく,自己教師型グループマイオーシスコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-12T21:20:12Z)
• 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)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。