論文の概要: Pseudo-Label Augmentation for Affect Sensing in Small Collaborative Groups
- arxiv url: http://arxiv.org/abs/2609.16077v1
- Date: Sun, 13 Sep 2026 17:39:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.132107
- Title: Pseudo-Label Augmentation for Affect Sensing in Small Collaborative Groups
- Title（参考訳）: 小集団における擬似ラベル強調による影響評価
- Abstract要約: 軽度監視下での感情知覚のための擬似ラベル増強について検討した。
その結果, sVM 変種は Valence と Arousal に効果的に結びついていることが明らかとなった。
- 参考スコア（独自算出の注目度）: 1.6319686414531025
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Physiological affect sensing in naturalistic group interaction is often limited by sparse labels rather than sensor data: wearable devices produce many time windows, while self-reports are collected only a few times per session. Using GroupAffect-4, a four-person collaborative dataset with wearable physiology, eye tracking, Big Five personality, and post-task VAD labels, we study pseudo-label augmentation for affect sensing under sparse supervision. We compare no augmentation, Gaussian Process pseudo-labelling, personality-aware trust weighting, and joint personality-plus-confidence weighting within a shared target-construction pipeline. Results show that pseudo-label augmentation improves over the labelled-only baseline in the known-team setting. However, the narrow range of Big Five cosine similarities (0.91-0.99) makes fine-grained personality weighting ineffective; personality similarity functions mainly as a same-team filter rather than a calibrated trust signal. With smoothing, augmented SVM variants are effectively tied on Valence and Arousal, while the joint personality-plus-confidence variant gives the highest Dominance score. Cross-subject LOSO transfer remains encouraging, especially for Arousal, whereas strict session-isolated LOGO removes the augmentation benefit. Given only 10 groups, LOGO should be interpreted as a conservative lower bound on unseen-group transfer. Overall, the results suggest that pseudo-label augmentation can make better use of sparsely labelled collaborative affect data, while personality information is most useful as a within-team selection mechanism.
- Abstract（参考訳）: 自然主義集団の相互作用を感知する生理的影響は、センサーデータではなくスパースラベルによって制限されることが多い:ウェアラブルデバイスは多くの時間窓を生産するが、セルフレポートはセッション毎に数回しか収集されない。
GroupAffect-4は、ウェアラブルの生理学、視線追跡、ビッグファイブパーソナリティ、タスク後のVADラベルを含む4人の共同データセットである。
我々は、共有目標構築パイプライン内での強化、ガウス過程の擬似ラベリング、パーソナリティ意識の信頼重み付け、および共同パーソナリティ+信頼重み付けを比較した。
その結果,擬似ラベル強化は,既知のチーム設定におけるラベル付きのみのベースラインよりも向上することが示された。
しかし、ビッグファイブのコサイン類似度(0.91-0.99)の狭い範囲は、微粒なパーソナリティ重み付けを非効率にし、パーソナリティ類似性は主に、校正された信頼信号ではなく、同じチームフィルタとして機能する。
スムーシングでは、強化されたSVMの変種はヴァレンスとオーラルに効果的に結びついており、一方、共同パーソナリティ+自信の変種はドミナンススコアが最も高い。
クロスオブジェクト LOSO 転送は、特に Arousal では引き続き推奨されるが、厳格なセッション分離 LOGO では、増大の恩恵が取り除かれる。
LOGO は 10 個のグループしか持たないため、未確認グループ移動に対する保守的な下位境界として解釈されるべきである。
以上の結果から,擬似ラベル強化は,チーム内選択機構として最も有用であるのに対して,疎ラベル付き協調影響データをより有効に活用できることが示唆された。
関連論文リスト
- How Far Do Foundation Models Transfer to Infant Signals? A Cross-Dataset Transfer Audit with a Unified Need Ontology [0.0]
公立の乳幼児の涙コーパスは小さく、ラベルと互換性がなく、ほぼ常に一度に1つのコーパスを評価している。
統合された5クラス要求オントロジーと共有タスク定式化の下で、4つの凍結エンコーダと手作りベースラインを探索する。
オントロジー、マッピングコード、監査パイプラインをリリースし、互換性のないCry corporaを使用可能な共同トレーニングリソースにします。
論文 参考訳（メタデータ） (2026-08-10T01:22:32Z) - Multi-Label Node Classification with Label Influence Propagation [79.38415948442751]
グラフ上のマルチラベルノード分類(MLNC)に取り組むことで、様々なアプローチが開発されている。
グラフニューラルネットワーク(GNN)を利用してラベルの共起相関を利用する方法もあるが、ラベルの埋め込みを組み込んでラベルの近接を捉える方法もある。
我々は,GNNにおけるメッセージパッシングプロセスを,伝搬と変換の2つの操作に分解する。
次に,各操作におけるラベル間の影響相関の包括的分析と定量化を行う。
論文 参考訳（メタデータ） (2026-07-01T09:17:28Z) - FedHarmony: Harmonizing Heterogeneous Label Correlations in Federated Multi-Label Learning [76.62016339908384]
クライアント間での不均一なラベル相関を調和させるフレームワークであるFedHarmonyを提案する。
集約中、FedHarmonyはデータサイズと相関品質の両方で各クライアントを評価し、それに応じて重みを割り当てる。
実世界のフェデレートされたマルチラベルデータセットの実験は、FedHarmonyが一貫して最先端の手法より優れていることを示している。
論文 参考訳（メタデータ） (2026-04-30T15:42:17Z) - Variational Encoder--Multi-Decoder (VE-MD) for Privacy-by-functional-design (Group) Emotion Recognition [0.764671395172401]
本研究では,プライバシを意識した機能設計に基づくグループ感情認識のための変分型マルチデコーダフレームワークVE-MDを提案する。
VE-MDは、正式な匿名化や暗号化プライバシ保証を提供するのではなく、明示的な個人監視を避けるように設計されている。
VE-MDは、感情分類と身体と顔の構造的表現の内部予測に最適化された共有潜在表現を学習する。
論文 参考訳（メタデータ） (2026-04-02T13:38:29Z) - Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。
我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
論文 参考訳（メタデータ） (2025-10-17T03:06:23Z) - Beyond correlation: The Impact of Human Uncertainty in Measuring the Effectiveness of Automatic Evaluation and LLM-as-a-Judge [51.93909886542317]
一つの集計相関スコアを*参照することで、人名と自動評価の基本的な違いが曖昧になることを示す。
本研究では,評価性能のより堅牢な解析を行うために,ラベルの不確実性による階層化データを提案する。
論文 参考訳（メタデータ） (2024-10-03T03:08:29Z) - Improving Group Robustness on Spurious Correlation Requires Preciser Group Inference [15.874604623294427]
標準経験的リスク(ERM)モデルは、スプリアス特徴と真のラベルの間の学習の急激な相関を優先し、これらの相関が持たないグループでは精度が低下する可能性がある。
GICは,グループラベルを正確に推測する手法であり,グループ性能が向上する。
論文 参考訳（メタデータ） (2024-04-22T01:28:35Z) - Pseudo Contrastive Learning for Graph-based Semi-supervised Learning [67.37572762925836]
Pseudo Labelingは、グラフニューラルネットワーク(GNN)の性能向上に使用されるテクニックである。
我々はPseudo Contrastive Learning(PCL)と呼ばれるGNNのための一般的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-19T10:34:08Z) - Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly
Supervised Video Anomaly Detection [149.23913018423022]
弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。
2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。
本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-08T05:53:53Z) - Aligning individual brains with Fused Unbalanced Gromov-Wasserstein [39.51775813706268]
本稿では,Fused Un Balanced Gromov Wasserstein (FUGW) と表記される,最適輸送に基づく物体間アライメントの新しい手法を提案する。
本手法は, 種々の刺激条件に応じて, 機能的シグネチャの類似性に基づいて皮質表面を整列させ, 個々の地形組織に大きな変形を罰する。
その結果, FUGWアライメントは, 独立機能データに対する活動のオブジェクト間相関を著しく増加させ, グループレベルでのより正確なマッピングをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-06-19T13:06:11Z) - Suppressing Mislabeled Data via Grouping and Self-Attention [60.14212694011875]
ディープネットワークは大規模クリーンなデータに対して優れた結果を得るが、ノイズのあるラベルから学習すると著しく劣化する。
本稿では,概念的にシンプルだが効率的な学習ブロックを提案し,これをAFM(Attentive Feature Mixup)と呼ぶ。
クリーンなサンプルにもっと注意を払うことができ、小さなグループでのサンプルインタラクションを通じて、ラベルを間違えることが少なくなります。
論文 参考訳（メタデータ） (2020-10-29T13:54:16Z)
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。