論文の概要: From Surface to Depth: Towards Cognitive Appraisal Reasoning in Multimodal Emotion Understanding
- arxiv url: http://arxiv.org/abs/2610.11918v1
- Date: Thu, 08 Oct 2026 13:14:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.039313
- Title: From Surface to Depth: Towards Cognitive Appraisal Reasoning in Multimodal Emotion Understanding
- Title（参考訳）: 表面から深部へ:マルチモーダル感情理解における認知的評価推論に向けて
- Abstract要約: マルチモーダルな感情理解を認知から認知的評価への進展として定式化する。
この新しいパラダイムをサポートするために、データセット、モデル、ベンチマークを導入します。
以上の結果から,知覚から評価への推論は,表層部と表層部との関連を超越する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 70.85308410745449
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent multimodal large language models (MLLMs) increasingly incorporate explainable reasoning for emotion understanding. However, reasoning based mainly on observable affective cues can reduce emotion understanding to superficial cue-label associations, giving rise to the Clever Hans effect. Such shortcuts become unreliable when affective cues are implicit, conflicting across modalities, linguistically misleading, or obscured by redundant details. In contrast, human emotions are shaped by how individuals interpret and evaluate surrounding events beyond observable cues. Inspired by appraisal theories of emotion, we formulate multimodal emotion understanding as a progression from perception to cognitive appraisal, and introduce a dataset, a model, and a benchmark to support this novel paradigm. CogEmo-40K is a large-scale instruction-tuning dataset constructed through a perception-to-appraisal pipeline to elicit evidence-grounded reasoning across six cognitive appraisal dimensions underlying emotion. CogEmo-MoE is a compact sparse MLLM that introduces interleaved MoE blocks for appraisal-specific adaptation, enabling effective appraisal reasoning at a substantially smaller scale than typical emotion MLLMs. CogEmo-Bench introduces an Appraisal Evidence Quality Score (AEQS) to assess cognitive-affective understanding across six complementary appraisal dimensions, addressing the limitation of conventional emotion metrics that evaluate what emotion is predicted but not why it arises. Extensive experiments show that our paradigm not only leads CogEmo-Bench, but also exhibits strong cross-domain generalization. Our findings suggest that perception-to-appraisal reasoning can move beyond surface-level cue-label associations toward more reliable multimodal emotion understanding and closer cognitive alignment between MLLMs and humans.
- Abstract（参考訳）: 最近のマルチモーダル大言語モデル(MLLM)は、感情理解のための説明可能な推論を取り入れている。
しかし、主に観察可能な感情的手がかりに基づく推論は、表面的なキュー・ラベルの関連に感情理解を低下させ、クリーヴ・ハンス効果を引き起こす。
このようなショートカットは、感情的な手がかりが暗黙的であるとき、モダリティ、言語的に誤解を招く、または冗長な詳細によって隠蔽されるときに信頼できないものとなる。
対照的に、人間の感情は、個人が観察可能な手がかりを超えて周囲の出来事を解釈し、評価する方法によって形成されている。
感情評価理論に触発されて、認識から認知評価への進歩としてマルチモーダル感情理解を定式化し、この新パラダイムをサポートするためのデータセット、モデル、ベンチマークを導入する。
CogEmo-40Kは、感情の根底にある6つの認知的評価次元にわたる根拠に基づく推論を導くために、知覚から評価へのパイプラインを通して構築された大規模な命令チューニングデータセットである。
CogEmo-MoEは、評価特異的適応のためのインターリーブされたMoEブロックを導入したコンパクトなスパースMLLMであり、典型的な感情MLLMよりもかなり小さなスケールで効果的な評価推論を可能にする。
CogEmo-Bench氏は6つの相補的な評価次元にわたる認知的影響の理解を評価するための評価エビデンス品質スコア(AEQS)を紹介した。
大規模な実験により、我々のパラダイムはCagEmo-Benchを導くだけでなく、強いクロスドメインの一般化も示している。
以上の結果から, 認識から評価への推論は, 表面レベルのキューとラベルの関連を超えて, より信頼性の高いマルチモーダル感情理解と, MLLMと人間との密接な認知的アライメントへと移行する可能性が示唆された。
関連論文リスト
- EII-SCL: Harnessing Emotional Inertia for Multimodal Emotion Recognition in Conversation [51.04910642896281]
会話におけるマルチモーダル感情認識(MERC)は、対話に多モーダル情報と文脈情報を統合することで正確な予測を行う。
現在のMERCアプローチは、情動シフトにおける文脈的感情的慣性の影響を見落とし、準最適パフォーマンスをもたらす。
本研究では, 時間的ウィンドウ内に慣性の影響のあるサンプルを構築することで, コントラスト学習モジュール (EII-SCL) を提案する。
論文 参考訳（メタデータ） (2026-07-19T18:09:54Z) - Emotional intelligence in large language models is fragmented across perception, cognition, and interaction [24.97041943324913]
FACET(Functional Affective Competence and Empathy Test, FACET)は,480の専門品からなる心理測定に基づく枠組みである。
感情的な知性はモノリシックな能力ではなく、認知的および対話的な次元で断片化されていることを実証する。
これらの相違点を,認知優位,対話優位,文脈依存の3つの異なるパフォーマンスプロファイルに分類した。
論文 参考訳（メタデータ） (2026-05-23T17:48:09Z) - CAREBench: Evaluating LLMs' Emotion Understanding by Assessing Cognitive Appraisal Reasoning [15.748287669426695]
本稿では,CAREBenchについて紹介する。CAREBenchは,実世界の物語に関する一対一の視点と三対三の視点から,完全な推論連鎖アノテーションを用いた最初のベンチマークである。
より強いモデルは、特定のタスクにおいて人間の観察者と一致するか、あるいは上回っているが、評価的推論と肯定的な感情認識では不足している。
論文 参考訳（メタデータ） (2026-05-16T22:23:21Z) - 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) - Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。
人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。
本モデルは感情分布予測のための感情情報表現を学習する。
論文 参考訳（メタデータ） (2026-02-24T04:11:25Z) - Unveiling the Cognitive Compass: Theory-of-Mind-Guided Multimodal Emotion Reasoning [31.790359663851305]
真の感情知性は、感情が生まれる認知基盤である心の理論(ToM)の明確なモデリングを必要とする。
ToMをベースとした階層型ベンチマークであるHitEmotionを導入する。
第2に、精神状態を追跡し、モダクティブな証拠を校正し、忠実な感情的推論を実現するToM誘導推論チェーンを提案する。
論文 参考訳（メタデータ） (2026-02-01T02:26:12Z) - E^2-LLM: Bridging Neural Signals and Interpretable Affective Analysis [54.763420895859035]
脳波からの感情分析のための最初のMLLMフレームワークであるELLM2-EEG-to-Emotion Large Language Modelを提案する。
ELLMは学習可能なプロジェクション層を通じて、トレーニング済みのEEGエンコーダとQベースのLLMを統合し、マルチステージのトレーニングパイプラインを使用する。
7つの感情カテゴリーにまたがるデータセット実験により, ELLM2-EEG-to-Emotion Large Language Modelは感情分類において優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2026-01-11T13:21:20Z) - Emotion-Coherent Reasoning for Multimodal LLMs via Emotional Rationale Verifier [53.55996102181836]
本稿では,感情関係検証器 (ERV) と説明リワードを提案する。
本手法は,対象感情と明確に一致した推論をモデルに導出する。
我々のアプローチは、説明と予測の整合性を高めるだけでなく、MLLMが感情的に一貫性があり、信頼できる対話を実現するのにも役立ちます。
論文 参考訳（メタデータ） (2025-10-27T16:40:17Z) - Do Machines Think Emotionally? Cognitive Appraisal Analysis of Large Language Models [13.341709038654198]
我々は,大規模言語モデルで暗黙的に使用される内的認知構造を評価するために,感情に対する認知推論に関する大規模ベンチマークを導入する。
結果と分析結果から,LLMの多種多様な推論パターンが明らかとなった。
論文 参考訳（メタデータ） (2025-08-07T22:19:15Z)
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。