論文の概要: Gaze as Evidence for Common Grounding: A Cross-Corpus Analysis of MapTask and MUNDEX

• arxiv url: http://arxiv.org/abs/2609.18011v1
• Date: Wed, 16 Sep 2026 02:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.597297
• Title: Gaze as Evidence for Common Grounding: A Cross-Corpus Analysis of MapTask and MUNDEX
• Title（参考訳）: 共通接地証拠としての視線:MapTaskとMUNDEXのクロスコーパス解析
• Abstract要約: 非対称情報を用いた協調作業では、参加者は相互作用を通じて理解を調整する。 このような2つの課題に対して、視線が根拠となるかどうかを問う。 コーパスでは、協調参照解釈(MapTask)とUND判断(MUNDEX)がよりタスク指向の視線と関連付けられている。 対話よりも参加者の繰り返しが推論の単位である場合、効果は小さく、いくつかの弱いため、我々は視線を接地への一因として扱う。
• 参考スコア（独自算出の注目度）: 8.925029287648345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In collaborative tasks with asymmetric information, participants coordinate their understanding through interaction. We ask whether gaze provides evidence about grounding across two such tasks. Working from discrete behavioral annotations, we map HCRC MapTask (Anderson et al., 1991) and MUNDEX (Türk et al., 2023) into a shared partner/task/away vocabulary and compute gaze features around task-relevant dialogue units. In both corpora, aligned reference interpretations (MapTask) and UND (understood) judgments (MUNDEX) are associated with more task-directed gaze and with less partner-directed gaze, lower gaze entropy, and fewer gaze transitions. The associations are clearest for the participant leading the task: in giver-produced references, and in explainer judgments, which also co-vary with the explainee's gaze. In same-speaker MapTask reference chains, the speaker's gaze entropy is lower at the mention where a previously non-aligned referent becomes aligned. The best gaze feature groups improve modestly over controls under grouped cross-validation: temporal features in MapTask and raw proportions in MUNDEX. Because effects are small and several weaken when recurring participants rather than dialogues are the unit of inference, we treat gaze as one contributing cue to grounding, to be interpreted alongside task and dialogue context.
• Abstract（参考訳）: 非対称情報を用いた協調作業では、参加者は相互作用を通じて理解を調整する。 このような2つの課題に対して、視線が根拠となるかどうかを問う。 個別の行動アノテーションから、HCRC MapTask (Anderson et al , 1991) と MUNDEX (Türk et al , 2023) を共有パートナー/タスク/アウェイ語彙にマッピングし、タスク関連対話ユニットに関する視線特徴を計算する。 コーポラでは、アライメントされた参照解釈(MapTask)とUND(Understood)判断(MUNDEX)は、よりタスク指向の視線とよりパートナー指向の視線、より低い視線エントロピー、より少ない視線遷移と関連付けられている。 課題を主導する参加者にとって、アソシエーションは明確である: 提供者による参照、説明者による判断において、説明者の視線と共用する。 同じ話者のMapTask参照チェーンでは、以前の非整列参照が整列する参照において、話者の視線エントロピーは低い。 最高の視線機能群は、グループ化されたクロスバリデーションの下で、MapTaskの時間的特徴とMUNDEXの生比率のコントロールを緩やかに改善する。 対話よりも参加者の繰り返しが推論の単位である場合、効果は小さく、いくつかの弱いため、視線を接地への寄与の1つとして扱い、タスクや対話のコンテキストと共に解釈する。

関連論文リスト

• Can Agents Read the Room? Benchmarking Visual Social Intelligence in Multimodal Simulation [38.36111181883569]
  既存のソーシャルエージェントベンチマークは、主にテキストベースであり、マルチモーダルエージェントが視覚的手がかりを使ってインタラクションをガイドできるかどうかを検査することは滅多にない。 マルチモーダル・ソーシャル・シミュレーションにおける視覚的ソーシャル・インテリジェンスを評価するベンチマークであるtextscbenchmarkname を導入する。
  論文  参考訳（メタデータ） (2026-06-13T06:44:31Z)
• Mini-BEHAVIOR-Gran: Revealing U-Shaped Effects of Instruction Granularity on Language-Guided Embodied Agents [58.64789157580261]
  Mini-Behavior-Granは、組み込みAIにおける命令粒度の制御のための新しいベンチマークである。 クロスタスクの粒度定量化のための4つの候補指標を比較した。 トレーニングと評価の組織化に幅を用いると、命令の粒度と性能の非単調なU字型関係が明らかになる。
  論文  参考訳（メタデータ） (2026-04-18T14:57:51Z)
• Crab$^{+}$: A Scalable and Unified Audio-Visual Scene Understanding Model with Explicit Cooperation [83.75249714794977]
  我々は、スケーラブルで統一されたオーディオ視覚シーン理解モデルであるCrab$+$を提示する。 データ側では、AV-UIE v2(Audio-Visual Unified Instruction-tuning データセット)を導入します。 モデル側では、異種タスクの定式化を整合させる統一インターフェースを設計する。 タスクの88%近くにおいて、マルチタスク学習がシングルタスクベースラインを超えた場合、負の転送傾向を逆転させ、正の転送を実現した。
  論文  参考訳（メタデータ） (2026-03-04T14:43:57Z)
• Task-Oriented Human Grasp Synthesis via Context- and Task-Aware Diffusers [10.774404324000349]
  タスク指向のヒューマン・グリップ・シンセサイザーは,タスクとコンテキストの両方の認識を必要とする新しいグリップ・シンセサイザー・タスクである。 本手法のコアとなるのは,シーンやタスク情報を考慮に入れたタスク対応コンタクトマップである。 本実験は,シーンとタスクの両方をモデル化することの重要性を検証し,把握品質とタスク性能の両面で有意な改善を示した。
  論文  参考訳（メタデータ） (2025-07-15T13:11:55Z)
• Funzac at CoMeDi Shared Task: Modeling Annotator Disagreement from Word-In-Context Perspectives [9.393402145259342]
  本研究は,CoMeDi共有タスクコンペティションの一環として,文脈的意味と不一致の関係について検討する。 共有タスクのために開発した3つの異なる手法について述べる。例えば、結合性、要素の相違、製品、コサイン類似性を組み合わせた機能強化アプローチについて述べる。 提案手法との比較により,拡張機能とタスク特化機能を含む手法の性能向上が示されている。
  論文  参考訳（メタデータ） (2025-01-24T16:36:07Z)
• Task-Driven Exploration: Decoupling and Inter-Task Feedback for Joint Moment Retrieval and Highlight Detection [7.864892339833315]
  本稿では,共同モーメント検索とハイライト検出のためのタスク駆動型トップダウンフレームワークを提案する。 このフレームワークはタスク固有の共通表現をキャプチャするタスク分離ユニットを導入している。 QVHighlights、TVSum、Charades-STAデータセットに関する総合的な実験と詳細なアブレーション研究は、提案フレームワークの有効性と柔軟性を裏付けるものである。
  論文  参考訳（メタデータ） (2024-04-14T14:06:42Z)
• SemEval-2024 Shared Task 6: SHROOM, a Shared-task on Hallucinations and Related Observable Overgeneration Mistakes [48.83290963506378]
  本稿では,幻覚検出に焦点をあてた共有タスクであるSHROOMの結果について述べる。 このアプローチをどのように取り組んだかについて、いくつかの重要なトレンドを観察します。 チームの大多数が提案したベースラインシステムより優れていますが、トップスコアシステムのパフォーマンスは依然として、より困難なアイテムのランダムなハンドリングと一致しています。
  論文  参考訳（メタデータ） (2024-03-12T15:06:22Z)
• Distribution Matching for Multi-Task Learning of Classification Tasks: a Large-Scale Study on Faces & Beyond [62.406687088097605]
  マルチタスク学習(MTL)は、複数の関連するタスクを共同で学習し、共有表現空間から恩恵を受けるフレームワークである。 MTLは、ほとんど重複しない、あるいは重複しないアノテーションで分類タスクで成功することを示す。 本稿では,分散マッチングによるタスク間の知識交換を可能にする新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-02T14:18:11Z)
• Human-centric Relation Segmentation: Dataset and Solution [70.35410845906245]
  本稿では,Human-centric relation segmentation (HRS) というタスクをHOI-detのきめ細かいケースとして紹介する。 HRSは、人間と周囲の実体の関係を予測し、関連性のある人間の部分を特定することを目的としている。 以上の場合,HRSタスクは,本書のリレーション・トリップレット・ガール(左手)・ホールド・ブック・マスクと正確なセグメンテーション・マスクの形式で生成され,ロボットが容易につかむことができる。
  論文  参考訳（メタデータ） (2021-05-24T09:20:37Z)

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。