論文の概要: Human-Inspired Social Engagement Analysis via Interpretable Mutual Visual Attention
- arxiv url: http://arxiv.org/abs/2608.24580v1
- Date: Tue, 25 Aug 2026 14:05:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.020849
- Title: Human-Inspired Social Engagement Analysis via Interpretable Mutual Visual Attention
- Title（参考訳）: 相互視覚の解釈による人間に触発されたソーシャルエンゲージメントの分析
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.72838047070244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding social interactions from non-verbal visual data is important for behavior analysis and activity monitoring. We propose an interpretable computational model of social engagement inspired by psychological theories of mutual visual attention. Rather than learning interaction patterns end-to-end, our framework explicitly models dyadic visual attention and aggregates these cues into interpretable measures of individual and group engagement. The resulting modular framework combines state-of-the-art head orientation estimation with lightweight geometric reasoning, producing explanations that remain accessible to non-technical users. We evaluate the proposed approach on a variety of data through quantitative experiments and demonstrate its practical usefulness with qualitative visualizations designed to support teachers, caregivers, and social workers in understanding group interaction dynamics.
- Abstract（参考訳）: 非言語的な視覚データから社会的相互作用を理解することは、行動分析と活動監視にとって重要である。
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。
対話パターンをエンド・ツー・エンドに学習する代わりに、我々のフレームワークは、ディード的な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グループのエンゲージメントの解釈可能な尺度に集約する。
結果として得られたモジュラーフレームワークは、最先端の方向推定と軽量な幾何学的推論を組み合わせることで、技術的でないユーザでもアクセス可能な説明を生成する。
提案手法を定量的実験により評価し,教師,介護者,ソーシャルワーカーが集団インタラクションのダイナミクスを理解する上で,質的可視化を用いて実用的有用性を示す。
関連論文リスト
- Measuring Inclusion in Interaction: Inclusion Analytics for Human-AI Collaborative Learning [1.0742675209112622]
問題解決における動的相互作用プロセスとして包摂性を調べるための,談話に基づくフレームワークである包摂性分析を導入する。
スケーラブルで対話レベルの尺度を用いて,これらの構造を解析的に可視化する方法を実証する。
この研究は、人間とAIの協調学習環境への包摂性を測定するプロセス指向のアプローチに向けた最初のステップである。
論文 参考訳（メタデータ） (2026-02-09T23:07:15Z) - Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。
既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2025-09-05T05:50:00Z) - Designing Gaze Analytics for ELA Instruction: A User-Centered Dashboard with Conversational AI Support [3.741199946315248]
視線追跡は、学生の認知とエンゲージメントに関する豊富な洞察を提供する。
しかし、教室向け教育技術では使われていない。
本稿では、英語芸術のための視線に基づく学習分析ダッシュボードの反復設計と評価について述べる。
論文 参考訳（メタデータ） (2025-09-03T22:01:14Z) - Learning Predictive Visuomotor Coordination [25.41320518416861]
本研究は,ビジュモータモデリングのための予測に基づくタスクを導入する。
目標は、自我中心の視覚的および運動学的観察から頭部のポーズ、視線、上体の動きを予測することである。
我々は,エゴセントリックな視覚とキネマティックなシーケンスを統合した拡散に基づく運動モデリングフレームワークを拡張した。
論文 参考訳（メタデータ） (2025-03-30T03:46:45Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Graph Enhanced Reinforcement Learning for Effective Group Formation in Collaborative Problem Solving [3.392758494801288]
本研究では,協調的問題解決環境における効果的なグループ形成の課題について論じる。
本稿では,グラフ理論と強化学習を活用した新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-15T04:04:40Z) - Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。
我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。
機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文 参考訳（メタデータ） (2023-02-14T05:25:03Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Visualizing and Understanding Contrastive Learning [22.553990823550784]
一対のイメージから類似性学習タスクを理解するのに寄与する視覚的説明法を設計する。
また、画像分類システムの視覚的説明を評価するために用いられる既存のメトリクスを、一対の説明に適合させる。
論文 参考訳（メタデータ） (2022-06-20T13:01:46Z) - Causal Reasoning Meets Visual Representation Learning: A Prospective
Study [117.08431221482638]
解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。
人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。
本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
論文 参考訳（メタデータ） (2022-04-26T02:22:28Z) - Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。
この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
論文 参考訳（メタデータ） (2021-04-15T20:50:40Z) - 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。