論文の概要: Towards a Unified Modality-Agnostic Multimodal Framework for Cognitive Workload Assessment

• arxiv url: http://arxiv.org/abs/2609.20199v1
• Date: Sat, 25 Jul 2026 01:33:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.633493
• Title: Towards a Unified Modality-Agnostic Multimodal Framework for Cognitive Workload Assessment
• Title（参考訳）: 認知的ワークロード評価のための統一モダリティ非依存型マルチモーダルフレームワークを目指して
• Abstract要約: 単一モデル内で不均一な生体信号の変調を処理するために, 統一的, モダリティに依存しない階層型トランスフォーマーアーキテクチャを開発した。 この枠組みは、心電図(ECG)、心電図(EDA)、呼吸計(RESP)、末梢飽和計(SpO$$$)、脳波計(EEG)の5つのモードの311ドルの組み合わせを試験的に評価する。
• 参考スコア（独自算出の注目度）: 3.476799842379929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cognitive workload reflects the mental effort required during task performance and is central to the design of adaptive human-machine systems. The use of biosignals to measure cognitive workload has been extensively researched and documented; however, studies examining the effects of combining heterogeneous biosignal modalities for this purpose remain limited. To provide insight into this area, we developed a unified, modality-agnostic, hierarchical Transformer-based architecture to process heterogeneous biosignal modalities within a single model. We use this framework in a pilot study evaluating all $31$ possible combinations of five modalities: Electrocardiogram (ECG), Electrodermal Activity (EDA), Respiration (RESP), Peripheral Oxygen Saturation (SpO$_2$), and Electroencephalogram (EEG), under leave-one-subject-out validation across three cognitively distinct tasks: abstract reasoning (IQ), arithmetic problem solving (MATH), and a game task (GAME). In this pilot setting, the results suggest that: (i) EEG is the strongest single modality, ranking highest in IQ, GAME, and the pooled ALL setting, where samples from all three tasks are combined; (ii) adding more modalities does not consistently improve performance; (iii) the full five-modality combination achieves the highest \textit{Average} score of $73.02%$ on IQ and $68.08%$ when the \textit{Average} scores are averaged over the four evaluation settings: IQ, MATH, GAME, and ALL; and (iv) the proposed method reduces model size by approximately $50%$ compared with late-fusion alternatives while maintaining a lower inference time.
• Abstract（参考訳）: 認知的作業負荷は、タスクパフォーマンスに必要な精神的な労力を反映し、適応的なヒューマンマシンシステムの設計の中心である。 認知的作業量を測定するためのバイオシグナーの使用は、広く研究され、文書化されているが、この目的のために異質なバイオシグナールモダリティを組み合わせることの効果を研究する研究は限られている。 この領域の知見を得るために,我々は単一モデル内で異種生体信号の変調を処理する統一的,モジュール性に依存しない階層型トランスフォーマーアーキテクチャを開発した。 心電図(ECG)、心電図(EDA)、呼吸計(RESP)、末梢酸素飽和計(SpO$_2$)、脳波計(EEG)の5つのモードの組み合わせを、抽象的推論(IQ)、算術的問題解決(MATH)、ゲームタスク(GAME)の3つの異なるタスクで評価した。 このパイロット設定では、結果は次のように示唆される。 (i)脳波は、IQ、GAME、プールド・オール・セッティングにおいて最強の単一モダリティであり、これら3つのタスクのサンプルが組み合わされている。 (二 モダリティの追加は、常に性能を向上しない。) (iii)全5モードの組み合わせは、IQ、MATH、GAME、ALLの4つの評価設定で、IQ上で73.02%の最高スコアと68.08%の最高スコアを達成している。 (4)提案手法は,低推論時間を維持しながら,レイトフュージョン代替品と比較してモデルサイズを約50%削減する。

関連論文リスト

• A Multi-Scale Temporal Framework with Dynamic Fusion for EEG-Based Emotion Recognition [8.619946906050457]
  混合感情は、臨床的に関連があるが、まだ探索されていない自動感情認識の標的である。 本研究では,脳波に基づく感情認識のための多段階の時間的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-08-10T03:39:20Z)
• Neonatal Hypoxic-ischaemic Encephalopathy Classification from the EEG and HRV Signals Using a Conformer based Masked Autoencoder [1.2599533416395767]
  本稿では,脳波(EEG)および心拍変動(HRV)信号からの表現学習のための新しい自己教師型学習フレームワークを提案する。 畳み込み操作とTransformerベースの自己アテンションを統合することで、MAEConformerはローカル時間パターンと長距離コンテキスト依存の両方を効果的にキャプチャする。 実験の結果,学習した表現が強い伝達性とデータ効率をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-07-26T09:11:03Z)
• MSCGC-KAN: Multi-scale Causal Graph Convolution and Kolmogorov-Arnold Feature Mapping for EEG Emotion Recognition [4.244312032484765]
  本稿では,MSCGC-KANと呼ばれる感情認識手法を提案する。 MSCGC-KANはマルチスケール因果グラフ畳み込みとKolmogorov-Arnold特徴写像からなる構造化タスクヘッドである。 提案手法はFACEDおよびSEED-VIIデータセット上で60.66%のバランス精度と60.40%の重み付きF1スコアを実現する。
  論文  参考訳（メタデータ） (2026-05-26T07:02:13Z)
• A Systematic Evaluation of Imbalance Handling Methods in Biomedical Binary Classification [9.011003401201323]
  本研究では, バイオメディカルバイナリ分類における不均衡処理法(IHM)が予測性能に及ぼす影響を系統的に検討した。 我々は、ランダムアンダーサンプリング(RUS)、ランダムオーバーサンプリング(ROS)、SMOTE(SMOTE)、再重み付け(RW)、直接F1スコア最適化(DMO)の5つの代表IHMを評価した。 より複雑なモデルと非構造化データに対して明確な利点が観察された。
  論文  参考訳（メタデータ） (2026-05-13T21:57:38Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
  MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。 事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。 最先端の微調整戦略を一貫して上回ります。
  論文  参考訳（メタデータ） (2025-09-07T15:22:53Z)
• VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks [49.0793012627959]
  本稿では,価値に基づくパラダイム内での推論モデルに適した新しいフレームワークVAPOを提案する。 VAPOは最先端のスコアが$mathbf60.4$に達する。 同じ実験条件下で直接比較すると、VAPOはDeepSeek-R1-Zero-Qwen-32BとDAPOの結果を10点以上上回っている。
  論文  参考訳（メタデータ） (2025-04-07T14:21:11Z)
• Energy-Efficient and Federated Meta-Learning via Projected Stochastic Gradient Ascent [79.58680275615752]
  エネルギー効率のよいメタラーニングフレームワークを提案する。 各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
  論文  参考訳（メタデータ） (2021-05-31T08:15:44Z)

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。