論文の概要: A Human-Factors Guided Cognitive Model of Visuospatial Complexity in Embodied Active Vision

• arxiv url: http://arxiv.org/abs/2608.23572v1
• Date: Fri, 26 Jun 2026 12:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.328221
• Title: A Human-Factors Guided Cognitive Model of Visuospatial Complexity in Embodied Active Vision
• Title（参考訳）: 身体活動視における視神経空間複合体の認知モデル
• Abstract要約: マルチモーダルデータ解析のための新しいフレームワークを提案する。 我々は,エージェントの環境へのダイナミックエンゲージメントから,エンボディド・複雑性が生じることを論じる。 このモデルが空間的複雑性の側面を特徴づけるための理論的枠組みをいかに提供するかを示す。
• 参考スコア（独自算出の注目度）: 2.085279561429602
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a novel framework for the analysis of multimodal data -- encompassing visual, auditory, and spatial stimuli -- foregrounding the role of complexity in embodied perception and interaction in dynamic, naturalistic settings. Grounded in theories of embodied cognition and active vision, we argue that embodied perceptual complexity emerges from an agent's dynamic engagement with the environment and must be analyzed holistically, as a combination of qualitative and quantitative attributes pertaining to, for instance, visuospatial and auditory features. Building on previous work on visual complexity, we expand this into a categorization of diverse complexity attributes -- quantitative, structural, dynamic, auditory, and interactional -- that together characterize multimodal complexity. We demonstrate how this model provides a theoretical framework for characterizing aspects of visuospatial complexity and their interactions, specifically in the context of everyday driving. We also discuss practical applications of the proposed model for creating and evaluating benchmark datasets (e.g., in driving) that centralize cognitive human factors, as well as applications aimed at systematically investigating the effect of visuospatial complexity on human active vision from the viewpoint of visual perception research. The proposed framework lays the foundation for automated methods that interpret complexity in 3D dynamic environments from a human-centered perspective, serving as a semantic template for explainable computational analysis of visuospatial complexity with a categorical focus on cognitive human factors.
• Abstract（参考訳）: 本稿では,視覚的,聴覚的,空間的刺激を含むマルチモーダルデータ分析のための新しい枠組みを提案する。 具体的認知と能動的視覚の理論を基礎として,エージェントの環境とのダイナミックエンゲージメントから知覚の複雑さが出現し,視覚空間的特徴や聴覚的特徴などに関連する質的・定量的属性の組合せとして,一律に分析されなければならないと論じる。 視覚的複雑性に関する以前の研究に基づいて、我々はこれを、量的、構造的、動的、聴覚的、相互作用的な、多様な複雑さ属性の分類へと拡張し、同時にマルチモーダルな複雑さを特徴づけます。 本研究では,このモデルが視覚空間の複雑さとその相互作用の側面,特に日常運転の文脈において特徴付ける理論的枠組みをいかに提供するかを示す。 また、認知的人的要因を集中化するベンチマークデータセット(例えば、運転中)の作成と評価のための提案手法の実践的応用や、視覚的知覚研究の観点から、視覚空間の複雑さが人間の活動的視覚に与える影響を体系的に研究することを目的とした応用についても論じる。 提案フレームワークは,人間中心の視点から3次元動的環境における複雑性を解釈する自動化手法の基盤を築き,認知的人間的要因に焦点をあてた視覚空間的複雑性の理論的解析のためのセマンティックテンプレートとして機能する。

関連論文リスト

• Human-Inspired Social Engagement Analysis via Interpretable Mutual Visual Attention [7.72838047070244]
  本稿では,相互視覚の心理的理論に着想を得た社会的エンゲージメントの解釈可能な計算モデルを提案する。 本フレームワークは,視覚的注意を明示的にモデル化し,これらの手がかりを個人と集団の関与の解釈可能な尺度に集約する。
  論文  参考訳（メタデータ） (2026-08-25T14:05:35Z)
• Cognitive Trajectory Modeling: Quantifying Human-AI Co-Creation through Cognitively Grounded Interaction Trajectories [0.0]
  本稿では,相互作用力学の認知理論として認知軌道モデリング(CTM)を紹介する。 CTMは認知、相互作用、創造的なプロセスを、認知的に意味のある魅力のある風景に広がる時間的に組織された軌道として概念化している。
  論文  参考訳（メタデータ） (2026-06-13T15:39:11Z)
• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
  空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。 SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。 ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
  論文  参考訳（メタデータ） (2025-05-08T17:45:44Z)
• Adaptive Token Boundaries: Integrating Human Chunking Mechanisms into Multimodal LLMs [0.0]
  本研究は,ヒトのクロスモーダルチャンキング機構とトークン表現手法の並列性について,系統的研究を行った。 本稿では,適応的境界,階層的表現,認知科学の原理に基づくアライメント機構を取り入れた動的クロスモーダルトークン化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-03T09:14:24Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• An Artificial Intelligence driven Learning Analytics Method to Examine the Collaborative Problem solving Process from a Complex Adaptive Systems Perspective [0.7450115015150832]
  協調問題解決(CPS)は、学生グループが学習タスクを完了し、知識を構築し、問題を解決することを可能にする。 従来の研究は、CPSの複雑さ、多モード性、ダイナミクス、シナジーなどを調べることの重要性を論じてきた。 本研究は、オンラインインタラクション設定におけるCPSの性質を理解するために、マルチモーダルプロセスとパフォーマンスデータを収集した。
  論文  参考訳（メタデータ） (2022-10-28T11:13:05Z)
• Towards a Human-Centred Cognitive Model of Visuospatial Complexity in Everyday Driving [3.480626767752489]
  我々は,自然主義運転条件下での空間的複雑性の人間中心認知モデルを構築した。 視覚的知覚に焦点を当てたモデルでは、選択された文脈で識別可能な量的、構造的、動的属性が組み込まれている。
  論文  参考訳（メタデータ） (2020-05-29T20:12:39Z)

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。