論文の概要: Context-Aware Mixture of Domain Experts for Bodily Expression of Emotion in the Wild

• arxiv url: http://arxiv.org/abs/2608.02331v1
• Date: Mon, 03 Aug 2026 14:52:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.609373
• Title: Context-Aware Mixture of Domain Experts for Bodily Expression of Emotion in the Wild
• Title（参考訳）: 野生における感情の身体表現のためのドメインエキスパートの文脈認識混合
• Abstract要約: 身体的感情認識のためのコンテキスト・アウェア・ミックス・オブ・ドメイン・エキスパート(CA-MoDE)を紹介する。 CA-MoDEには専用のシーンとオブジェクトの専門家が組み込まれており、それぞれのドメインに設定された感情カテゴリに対してソフトな分布を生成する。 我々のゲーティング戦略は、コンフリクトや非形式的文脈分布が平均化されるときに発生する信号の希釈を緩和する。
• 参考スコア（独自算出の注目度）: 3.52359746858894
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The same body posture can convey entirely different emotions depending on its surrounding context, yet most methods for recognising bodily emotions treat scene and object cues as auxiliary feature augmentations rather than as structured priors over the plausibility of emotions. We introduce the Context-Aware Mixture of Domain Experts (CA-MoDE) for bodily emotion recognition. CA-MoDE incorporates dedicated scene and object experts to generate soft distributions over emotion categories conditioned on their respective domains. These domain-conditioned soft predictions serve as structured contextual priors that modulate the body expert's predictions at the distributional level rather than at the feature level. To fuse these multi-domain signals, we propose a task-tailored max-endorsement gating strategy that selects the strongest contextual signal across experts for each emotion dimension. Our gating strategy mitigates the signal dilution that typically occurs when conflicting or uninformative context distributions are averaged. CA-MoDE achieves an Emotion Recognition Score of 0.3269 on the Body Language Database. By outperforming existing temporal models using only single still images, our framework demonstrates that explicitly modelling structured spatial context can serve as a complementary discriminative proxy for the behavioural dynamics typically captured by video.
• Abstract（参考訳）: 同じ姿勢は、周囲の状況によって全く異なる感情を伝達することができるが、ほとんどの方法は、感情の妥当性に関する構造化された先行よりも、シーンとオブジェクトの手がかりを補助的な特徴拡張として扱う。 身体的感情認識のためのコンテキスト・アウェア・ミックス・オブ・ドメイン・エキスパート(CA-MoDE)を紹介する。 CA-MoDEには専用のシーンとオブジェクトの専門家が組み込まれており、それぞれのドメインに設定された感情カテゴリに対してソフトな分布を生成する。 これらのドメイン条件付きソフトな予測は、特徴レベルではなく分布レベルで、身体の専門家の予測を変調する構造化された文脈的先行として機能する。 これらのマルチドメイン信号を融合させるため、各感情次元のエキスパート間で最強の文脈信号を選択するタスク調整型最大配置ゲーティング戦略を提案する。 我々のゲーティング戦略は、コンフリクトや非形式的文脈分布が平均化されるときに発生する信号の希釈を緩和する。 CA-MoDEはBody Language Database上で感情認識スコア0.3269を達成する。 一つの静止画像のみを用いて既存の時間的モデルより優れた性能を発揮することにより、構造化空間コンテキストを明示的にモデル化することで、ビデオによって典型的に捉えられる行動力学の相補的差別的プロキシとして機能することを示す。

関連論文リスト

• Multimodal Adaptive Expert Selection with Text Routing and Ordinal Prototype Optimization for Sentiment Analysis [2.3500677765052296]
  マルチモーダル感性分析(MSA)は, 言語内容と非言語的手がかりを統合することで, 複雑な感情状態の解読を目的とする。 最近の遠絡型アプローチはこの分野を前進させたが、そのポテンシャルは2つの方法論的課題によって妨げられている。 テキストルーティングと正規プロトタイプ最適化によるマルチモーダル適応エキスパート選択(MAESTRO)を導入する。 静的融合とは異なり、このモジュールは言語コンテキストをルーティング信号として利用し、特定の音声・視覚の専門家を動的に活性化する。
  論文  参考訳（メタデータ） (2026-08-31T12:59:37Z)
• Primitive-Driven Compositional Forensic Visual Prompting for Open-World Face Anti-Spoofing [59.765442274924595]
  視覚的特徴空間で完全に機能する合成視覚的プロンプト学習フレームワークを提案する。 このフレームワークは、学習可能なマイクロ法医学的プリミティブの共有セットを局所的な法医学的エビデンスユニットに洗練するためにパッチ対応の注意を払っている。 9つのオープンワールドプロトコルの実験は、最先端のパフォーマンス、強力なクロスドメインの一般化、そして目に見えない攻撃への堅牢な適応を示す。
  論文  参考訳（メタデータ） (2026-08-18T04:18:08Z)
• Navigating the Emotion Tree: Hierarchical Hyperbolic RAG for Multimodal Emotion Recognition [56.650820426231284]
  マルチモーダル感情認識は、人間の感情状態を理解するためにテキスト、音声、ビデオソースを統合することを目的としている。 大規模言語モデルは多モーダル推論において優れているが、感情カテゴリーを独立したラベルとして扱うのが一般的である。 本稿では,bftextHyperEmo-RAGを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:04:48Z)
• Beyond Sentiment Classification: A Generative Framework for Emotion Intensity Evaluation in Text [0.0]
  感情モデルに新たなアプローチを導入し,認識から評価へと焦点を移す。 我々は、感情分析と感情分析のためのより表現力があり、一般化可能なフレームワークを実証する。
  論文  参考訳（メタデータ） (2026-05-15T20:32:29Z)
• FACE-net: Factual Calibration and Emotion Augmentation for Retrieval-enhanced Emotional Video Captioning [81.33341786837974]
  Emotional Video Captioning (EVC) は、ビデオで表現される本質的な感情で事実を記述することを目的とした、新たなタスクである。 FActual and Emotion Augmentation (FACE-net) を用いた検索強化フレームワークを提案する。 FACE-netは、事実と感情のセマンティクスを協調的にマイニングし、生成のための適応的で正確なガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-03-18T07:53:15Z)
• Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing [4.733799057798266]
  私たちは感情を、モデルがどのようにテキストに従属し、推論するかを形作る潜在要因として研究しています。 我々は、トランスモデルにおいて、感情的なトーンが注意構造を体系的にどう変化させるかを分析する。 トレーニング中に感情条件付き表現の漂流を制限する感情正規化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-10T05:23:18Z)
• EmoVerse: A MLLMs-Driven Emotion Representation Dataset for Interpretable Visual Emotion Analysis [61.87711517626139]
  EmoVerseは、解釈可能な視覚的感情分析を可能にする、大規模なオープンソースデータセットである。 219k以上の画像で、データセットはさらにカテゴリー感情状態(CES)と次元感情空間(DES)の2つのアノテーションを含んでいる。
  論文  参考訳（メタデータ） (2025-11-16T11:16:50Z)
• Text-guided Weakly Supervised Framework for Dynamic Facial Expression Recognition [49.41688891301643]
  動的表情認識は、映像列間の顔の動きの時間的変化をモデル化することにより、感情状態の同定を目的としている。 DFERの重要な課題は、多数のフレームからなるビデオが単一の感情ラベルに割り当てられる、多対一のラベリングの問題である。 本稿では,テキスト誘導型弱教師付きフレームワークであるTG-DFERを提案する。
  論文  参考訳（メタデータ） (2025-11-14T04:49:58Z)
• Incorporating Scene Context and Semantic Labels for Enhanced Group-level Emotion Recognition [39.138182195807424]
  グループレベルの感情認識(GER)は、複数の個人を含むシーン内の全体的感情を識別することを目的としている。 現在ある手法は、個々の関係をモデル化する際の視覚的な文脈情報の重要性を過小評価している。 本稿では,GER性能を向上させるために,視覚的シーンコンテキストとラベル誘導意味情報を組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-26T01:25:39Z)
• KEVER^2: Knowledge-Enhanced Visual Emotion Reasoning and Retrieval [35.77379981826482]
  感情推論と検索のための知識強化フレームワークである textbfK-EVERtextsuperscript2 を提案する。 本手法では,視覚的感情の意味的構造を定式化し,マルチモーダルアライメントを通じて外部の情緒的知識を統合する。 Emotion6、EmoSet、M-Disasterの3つの代表的なベンチマークで、ソーシャルメディアの画像、人間中心のシーン、災害状況について検証した。
  論文  参考訳（メタデータ） (2025-05-30T08:33:32Z)
• Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
  単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。 広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-04-26T07:30:32Z)
• Leveraging Semantic Scene Characteristics and Multi-Stream Convolutional Architectures in a Contextual Approach for Video-Based Visual Emotion Recognition in the Wild [31.40575057347465]
  私たちは、野生のビデオベースの視覚感情認識のタスクに取り組みます。 身体および顔の特徴の抽出のみに依存する標準的な方法論は、しばしば正確な感情予測に欠ける。 我々は、シーンの特徴や属性の形で視覚的コンテキストを活用することで、この問題を軽減することを目指している。
  論文  参考訳（メタデータ） (2021-05-16T17:31:59Z)
• Modality-Transferable Emotion Embeddings for Low-Resource Multimodal Emotion Recognition [55.44502358463217]
  本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。 我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。 私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-21T06:10:39Z)

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。