論文の概要: Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions

• arxiv url: http://arxiv.org/abs/2608.00043v1
• Date: Fri, 24 Jul 2026 01:42:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 01:32:04.541197
• Title: Multimodal Wearable-Based Olfactory-Induced Emotion Recognition in Arousal-Valence Dimensions
• Title（参考訳）: 覚醒度次元におけるマルチモーダルウェアラブルによる嗅覚誘発感情認識
• Abstract要約: オルフアクションは非侵襲的で軽量な経路として働き、脳の情動回路や感情調節に直接関与する。 現在の嗅覚研究には2つの重要な限界がある。 陽気さを無視しながら、原子価の次元を過度に強調する。
• 参考スコア（独自算出の注目度）: 15.21606334710936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Olfaction is important for emotion regulation because it acts as a non-intrusive and cognitively lightweight pathway that directly engages the brain s affective circuitry and achieves unobtrusive emotional modulation. This trait is essential for advancing practical affective computing in daily and attention-critical scenarios. However, current olfactory emotion research has two key limitations. First, it overemphasises the valence dimension while neglecting arousal. Second, it lacks multimodal datasets that synchronously capture central and peripheral physiological responses to olfactory stimuli. To address these issues, we construct a large-scale multimodal olfactory emotion dataset based on 111 subjects, in which odors are labeled in the 2D arousal-valence space and electroencephalogram (EEG), electrocardiogram (ECG), and photoplethysmography (PPG) signals synchronously recorded. Nevertheless, multimodal signals present challenges such as non-stationarity, differences in latency, and cross-modal heterogeneity. Thus, we propose a spatiotemporal-frequency hybrid fusion network (STF-HFNet), which integrates three core modules. Frequency aggregation processing learns adaptive frequency aggregation in order to model non-stationary dynamics. Reciprocal guided attention enables reciprocal bidirectional calibration for cross-modal temporal alignment without synchronisation priors. Hybrid collaborative fusion combines spatial and channel attention mechanisms to enhance cross-modal complementarity while suppressing redundant information. Extensive experiments show that STF-HFNet achieves state-of-the-art (SOTA) recognition accuracies of 88.34% on the AMIGOS dataset and 92.40% on our self-constructed dataset, and outperform the SOTA methods by 8.27% and 5.07%, respectively.
• Abstract（参考訳）: 嗅覚は、非侵襲的で認知的に軽量な経路として機能し、脳の情動回路に直接関与し、邪魔にならない感情変調を達成するため、感情調節にとって重要である。 この特性は、日常的および注意クリティカルなシナリオにおける実践的感情コンピューティングの進展に不可欠である。 しかし、現在の嗅覚研究には2つの重要な制限がある。 第一に、覚醒を無視しながら原子価次元を過小評価する。 第二に、嗅覚刺激に対する中枢および末梢の生理的反応を同期的に捉えるマルチモーダルデータセットが欠けている。 これらの課題に対処するため,111人の被験者を対象とした大規模マルチモーダル嗅覚データセットを構築し,2次元覚醒空間と脳波(EEG),心電図(ECG),光胸腺信号(PPG)を同期的に記録した。 それにもかかわらず、マルチモーダル信号は、非定常性、レイテンシの差、およびクロスモーダル異質性などの課題を示す。 そこで我々は,3つのコアモジュールを統合した時空間-周波数ハイブリッド核融合ネットワーク(STF-HFNet)を提案する。 周波数アグリゲーション処理は非定常力学をモデル化するために適応周波数アグリゲーションを学習する。 相互誘導された注意は、同期前兆を伴わない時間的相互アライメントのための相互双方向キャリブレーションを可能にする。 ハイブリッド・コラボレーティブ・フュージョンは、空間的およびチャネル的注意機構を組み合わせることで、冗長な情報を抑制しながら、相互に相補性を高める。 STF-HFNetは、AMIGOSデータセットで88.34%、自己構築データセットで92.40%、SOTAメソッドで8.27%、SOTA法で5.07%の精度を実現している。

関連論文リスト

• Current Injection Spiking Neural Network for Infrared and Visible Image Fusion [55.20584003351512]
  赤外線および可視画像融合(IVIF)は、2つのモードの相補的な情報をよりリッチなシーン内容の単一の画像に統合する。 膜電位レベルで直接クロスモーダル核融合を行うスパイクネットワークであるCIS-Fuseを提案する。 4つのIVIFベンチマークと下流検出とセグメンテーションの実験により、CIS-Fuseは最先端のANN法と同等の核融合品質が得られることが示された。
  論文  参考訳（メタデータ） (2026-07-22T08:10:02Z)
• Dive into Waves: Morlet Spectral Transformer for Cross-Subject Emotion Decoding from EEG [5.886986014593717]
  クロスオブジェクト感情認識は、脳-コンピュータモデリングにおいて事実上重要な問題であるが難しい問題である。 既存のアプローチは、大きな事前訓練された基礎モデルに依存しており、大量のデータを必要とするが、それでもクロスオブジェクトの変動に苦慮している。 本稿では,3つのインタフェースを中心に構築されたMorlet Spectral Transformer (MST)を提案する。
  論文  参考訳（メタデータ） (2026-05-30T20:38:34Z)
• Spectral Priors vs. Attention: Investigating the Utility of Attention Mechanisms in EEG-Based Diagnosis [0.802904964931021]
  特徴構造に対するスペクトル選択的アプローチがクラス分離性を高めることを示す。 一次脳波帯内の信号強度を分離することにより、高次元の生データを高価値スペクトル特徴に変換する。
  論文  参考訳（メタデータ） (2026-05-14T21:26:07Z)
• Duala: Dual-Level Alignment of Subjects and Stimuli for Cross-Subject fMRI Decoding [37.36610841961446]
  クロスオブジェクト視覚デコーディングは、個人間での脳活動からの視覚体験を再構築することを目的としている。 既存の手法は、データ制限のある新しい被験者に適応する際に、しばしば劣化したパフォーマンスに悩まされる。 刺激レベルの整合性と主観レベルの整合性を実現するために設計された二重レベル整合性フレームワークであるDualaを提案する。
  論文  参考訳（メタデータ） (2026-03-08T13:22:20Z)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
  我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。 病的シグネチャの最初の系統的周波数領域解析を行う。 周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-11-17T02:40:14Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• QualityFM: a Multimodal Physiological Signal Foundation Model with Self-Distillation for Signal Quality Challenges in Critically Ill Patients [3.744688073010934]
  Photoplethysmogram(PSG)とElectrocardiogram(ECG)は一般的にICU(ICU)と手術室(OR)に記録されている。 これまでに調査された手法は、限定的な一般化可能性、広範なラベル付きデータへの依存、およびクロスタスク転送性に悩まされている。 本稿では,これらの生理的信号に対する新しいマルチモーダル基礎モデルであるQualityFMを紹介する。
  論文  参考訳（メタデータ） (2025-09-08T10:20:56Z)
• FreqDGT: Frequency-Adaptive Dynamic Graph Networks with Transformer for Cross-subject EEG Emotion Recognition [1.9198890060313585]
  クロスオブジェクトの一般化は、個人の多様性、認知的特徴、感情的な反応による課題である。 本稿では,周波数適応型動的グラフ変換器FreqDGTを提案する。 FreqDGTは、周波数適応性、空間力学、時間階層モデリングの統合の有効性を確認することにより、物体間感情認識の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-06-28T08:18:05Z)
• Wi-CBR: Salient-aware Adaptive WiFi Sensing for Cross-domain Behavior Recognition [8.028748052177146]
  クロスドメイン行動認識(Wi-CBR)のための適応型Wi-Fiセンシングを提案する。 具体的には、クロスドメイン行動認識(Wi-CBR)のための適応型適応WiFiセンシングを提案する。
  論文  参考訳（メタデータ） (2025-06-13T09:38:57Z)
• CodeBrain: Towards Decoupled Interpretability and Multi-Scale Architecture for EEG Foundation Model [52.466542039411515]
  EEGファウンデーションモデル(EFM)は、タスク固有のモデルのスケーラビリティ問題に対処するために登場した。 このギャップを埋めるために設計された2段階のEMFであるCodeBrainを紹介します。 第1段階では、異種時間・周波数の脳波信号を離散トークンに分解するTFDual-Tokenizerを導入する。 第2段階では、構造化されたグローバル畳み込みとスライディングウインドウの注意を結合したマルチスケールEEGSSMアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-06-10T17:20:39Z)
• MHSA: A Multi-scale Hypergraph Network for Mild Cognitive Impairment Detection via Synchronous and Attentive Fusion [4.526574526136158]
  同期核融合によるMCI検出のためのマルチスケールハイパーグラフネットワークを提案する。 本手法では、関心領域のスペクトル領域における位相同期関係を計算するために、位相同期値(PLV)を用いる。 PLV係数は動的に戦略を調整し,時間スペクトル融合行列に基づいて動的ハイパーグラフをモデル化する。
  論文  参考訳（メタデータ） (2024-12-11T02:59:57Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。