論文の概要: DSPO: Diversity-aware Subjective Policy Optimization for Robust Emotional Reasoning

• arxiv url: http://arxiv.org/abs/2609.36775v1
• Date: Tue, 29 Sep 2026 05:46:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.217753
• Title: DSPO: Diversity-aware Subjective Policy Optimization for Robust Emotional Reasoning
• Title（参考訳）: DSPO:ロバスト感情推論のための多様性を考慮した主観的ポリシー最適化
• Abstract要約: 一般的なRLアルゴリズムは、感情推論タスクで深刻な失敗に苦しむ。 明示的な物理的対象とは異なり、感情状態は視覚的手がかりの中で深く暗黙的である。 この抽象的な性質はMLLMの視覚幻覚を悪化させ、少なくとも根拠のない感情的な証拠をもたらす。
• 参考スコア（独自算出の注目度）: 24.24310526408756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement Learning has significantly advanced the complex reasoning capabilities of MLLMs. However, prevailing RL algorithms suffer a severe failure in emotion reasoning tasks. These methods heavily rely on deterministic hard-label supervision and point-wise isolated evaluation, creating a fundamental gap with the inherently subjective and continuously distributed nature of human emotions. Furthermore, unlike explicit physical objects, emotional states are deeply implicit within visual cues. This abstract nature exacerbates visual hallucinations in MLLMs, leading to plausible yet ungrounded emotional evidence. To address these limitations, we propose Diversity-Aware Subjective Policy Optimization (DSPO), a reinforcement learning framework that jointly promotes subjective affective coverage and visual grounding. First, we construct a context-grounded emotional distribution prior in the VAD space by combining the lexical prior of the annotated emotion with image-specific contextual information. Based on this prior, we introduce a Distribution-Aligned Emotional Diversity Reward (DEDR), which measures the leave-one-out marginal contribution of each candidate emotion within a rollout. DEDR rewards candidates whose inclusion brings the predicted affective set closer to the context-grounded prior, thereby preserving plausible subjective interpretations without encouraging unconstrained dispersion. We further develop Counterfactual Visual Intervention Gating (CVIG), which masks the visual region highlighted in the reasoning process and uses the resulting candidate-wise probability changes to reduce the weights of interpretations unsupported by visual evidence. Extensive experiments demonstrate that DSPO achieves state-of-the-art performance across multiple public benchmarks, especially on the cross-domain performance, i.e., improving +10.8\% on average cross-domain accuracy than EMO-R3.
• Abstract（参考訳）: 強化学習はMLLMの複雑な推論能力を大幅に向上させた。 しかし、一般的なRLアルゴリズムは感情推論タスクに深刻な障害を被る。 これらの手法は決定論的ハードラベルの監督とポイントワイドな評価に大きく依存しており、人間の感情の本質的に主観的で継続的な分散の性質と根本的なギャップを生じる。 さらに、明示的な物理的対象とは異なり、感情状態は視覚的手がかりの中で深く暗黙的である。 この抽象的な性質はMLLMの視覚幻覚を悪化させ、少なくとも根拠のない感情的な証拠をもたらす。 これらの制約に対処するために,主観的感情カバレッジと視覚的接地を協調的に促進する強化学習フレームワークであるダイバーシティ・アウェアの主観的政策最適化(DSPO)を提案する。 まず、注釈付き感情の語彙前と画像固有の文脈情報を組み合わせることにより、VAD空間に先行する文脈的感情分布を構築する。 そこで本研究では,各感情の残余差をロールアウト内で測定する分散適応型感情多様性リワード(DEDR)を導入する。 DEDRは、予測された感情セットを文脈的背景に近づける候補に報いるため、制約のない分散を促進することなく、もっともらしい主観的解釈を保存することができる。 さらに,視覚的証拠によって支持される解釈の重みを減少させるために,推論過程において強調される視覚領域を隠蔽し,その結果の候補的確率変化を用いて,視覚的証拠によって支持される解釈の重みを減少させる,対物的視覚介入ゲーティング(CVIG)を開発した。 大規模な実験により、DSPOは複数の公開ベンチマーク、特にクロスドメインのパフォーマンスにおいて、EMO-R3よりも平均クロスドメイン精度において+10.8\%向上していることを示す。

関連論文リスト

• Decoding Affective Nuances: Enhancing MLLMs via Hierarchical Emotion Reasoning and Contrastive Discriminative Pruning [35.27164921207509]
  マルチモーダルな大言語モデル(MLLM)は、きめ細かい視覚的証拠に基づいて、意味的に近い感情を確実に区別することは困難である。 Decoding Affective Nuances (DAN) という,トレーニング不要な推論時間最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-29T05:53:48Z)
• Causal-EVC: Breaking Emotional Spurious Causality via Spatiotemporal Grounding and Counterfactual Intervention [26.83495372767638]
  本稿では,高次因果アノテーションを用いた総合的なベンチマークであるCausal-EVCを提案する。 第2に,感情を基盤としたキャプションフレームワークCausal-EVCを提案する。 第3に,解釈可能なスパース感情ルーティングモジュールを導入する。
  論文  参考訳（メタデータ） (2026-09-29T05:49:15Z)
• Disentangling Reasoning in Large Audio-Language Models for Ambiguous Emotion Prediction [23.80840030172631]
  我々は、曖昧な感情認識を分布的推論問題として再構成する。 LALMにおけるあいまいさ認識推論の最初の体系的研究について述べる。 IEMOCAPとCREMA-Dの実験では、SFT、DPO、GRPOのトレーニング戦略に一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-09T11:02:34Z)
• EMO-R3: Reflective Reinforcement Learning for Emotional Reasoning in Multimodal Large Language Models [62.3977734456669]
  マルチモーダル大規模言語モデル(MLLM)の感情的推論能力を高めるためのフレームワークとして,情緒的推論のための反射強化学習(EMO-R3)を提案する。 構造化された感情的思考を導入し、構造化された解釈可能な方法で段階的に感情的推論を行い、そのモデルが視覚的テキストの一貫性と感情的コヒーレンスに基づいてその推論を再評価できる反射的感情的回帰を設計する。 EMO-R3はMLLMの解釈可能性と感情的インテリジェンスの両方を大幅に改善し、複数の視覚的感情理解ベンチマークにおいて優れた性能を達成する。
  論文  参考訳（メタデータ） (2026-02-27T08:42:52Z)
• ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
  ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。 ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。 ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
  論文  参考訳（メタデータ） (2026-02-13T08:33:37Z)
• Emotion-Enhanced Multi-Task Learning with LLMs for Aspect Category Sentiment Analysis [3.605122187208041]
  本稿では,感情極性とカテゴリー固有の感情を学習する,感情強化型ACSAフレームワークを提案する。 我々のアプローチは、各アスペクトカテゴリに対して、モデルが感情的な記述を生成することを可能にする。 また,Valence-Arousal-Dominance(VAD)次元フレームワークに基づく感情改善機構も導入する。
  論文  参考訳（メタデータ） (2025-11-24T13:52:42Z)
• VAEmo: Efficient Representation Learning for Visual-Audio Emotion with Knowledge Injection [50.57849622045192]
  本稿では,外部知識注入を用いた感情中心型VA表現学習のための効率的なフレームワークであるVAEmoを提案する。 VAEmoは、コンパクトな設計で最先端のパフォーマンスを実現し、統合されたクロスモーダルエンコーディングと感情認識のセマンティックガイダンスの利点を強調している。
  論文  参考訳（メタデータ） (2025-05-05T03:00:51Z)
• Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
  視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。 既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。 視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-25T02:20:03Z)
• A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
  視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。 具体的には、まず感情圏を構築し、その内にある感情状態を統一する。 提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
  論文  参考訳（メタデータ） (2021-06-23T14:53:27Z)

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。