論文の概要: EmoGenie: Benchmarking and Evaluating Expressed and Evoked Emotion in T2I Generation with MLLMs

• arxiv url: http://arxiv.org/abs/2610.18455v1
• Date: Tue, 13 Oct 2026 14:23:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 21:18:31.872524
• Title: EmoGenie: Benchmarking and Evaluating Expressed and Evoked Emotion in T2I Generation with MLLMs
• Title（参考訳）: EmoGenie: MLLMを用いたT2I世代における表現と誘発感情のベンチマークと評価
• Abstract要約: EmoGenieは、T2I生成とMLLM理解の能力を評価するAI生成イメージの感情のベンチマークである。 EmoGenie-Assessベンチマークは、人間の評価から集計された13,175の平均世論スコア(MOS)を使用して、継続的な感情的および美的予測を行う。 EmoProbeは、感情質問応答と、応答整列された次元特異的回帰ヘッドを組み合わせて、連続的なスコア予測を行う。
• 参考スコア（独自算出の注目度）: 72.58736071878778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid advances in artificial intelligence-generated content (AIGC) have significantly promoted using text-to-image (T2I) models to generate images with specific affective intentions. However, the emotional effects conveyed by generated images frequently deviate from target expectations, and it remains unclear whether multimodal large language models (MLLMs) can reliably interpret the emotion of AI-generated visual content. Existing affective benchmarks are predominantly built on natural images, while affective studies of generated images have largely focused on emotions expressed in portraits, lacking a unified benchmark for studying the emotions expressed and evoked by generated images. We therefore introduce EmoGenie, a benchmark of emotion for AI-generated images that evaluates capabilities in T2I generation and MLLM understanding across expressed and evoked emotions. It comprises 6,400 images generated by eight T2I models using 800 emotion-targeted prompts, annotated with question-answer (QA) pairs, termed EmoGenie-QA, and continuous human ratings, termed EmoGenie-Assess. EmoGenie-QA contains 90,000 closed-set questions in single-image and image-pair settings, as well as 1,057 open-ended questions for emotion description. EmoGenie-Assess benchmarks continuous affective and aesthetic prediction using 13,175 mean opinion scores (MOSs) aggregated from human ratings in terms of valence, arousal, dominance, and aesthetic quality. We further develop EmoProbe, which combines emotion question answering with response-aligned, dimension-specific regression heads for continuous score prediction. Experimental results show that EmoProbe achieves superior results on emotion-related QA tasks, while its affective and aesthetic predictions correlate better with human ratings, demonstrating its state-of-the-art capabilities of unified coarse-to-fine affective understanding for AI-generated images.
• Abstract（参考訳）: 人工知能生成コンテンツ(AIGC)の急速な進歩は、特定の感情的意図を持った画像を生成するためにテキスト・ツー・イメージ(T2I)モデルを用いて著しく推進されている。 しかし、生成した画像がもたらす感情効果は、目標とする期待からしばしば逸脱し、マルチモーダル大言語モデル(MLLM)がAI生成した視覚的コンテンツの感情を確実に解釈できるかどうかは不明である。 既存の感情ベンチマークは、主に自然画像上に構築されているが、生成した画像に対する感情研究は、主に肖像画で表現された感情に焦点を当てており、生成された画像によって表現され、誘発される感情を研究するための統一されたベンチマークが欠如している。 そこで我々は,AI生成画像に対する感情のベンチマークであるEmoGenieを紹介した。 800の感情をターゲットとしたプロンプトを使用して8つのT2Iモデルによって6,400の画像を生成し、質問応答(QA)ペアに注釈を付け、EmoGenie-QA、EmoGenie-Assessと呼ばれる継続的人間格付けを含む。 EmoGenie-QAには、シングルイメージとイメージペア設定で90,000のクローズドセットの質問と、感情記述のための1,057のオープンエンドの質問が含まれている。 EmoGenie-Assessベンチマークは、評価値から収集した13,175平均世論スコア(MOS)を、評価値、覚醒率、優位性、美的品質の点で連続的な情緒的および美的予測を行う。 さらに,感情質問応答と応答整合性,次元特異的回帰ヘッドを組み合わせて連続的なスコア予測を行うEmoProbeを開発した。 実験結果から,感情関連QAタスクにおいて,EmoProbeは優れた結果が得られ,その感情的および美的予測は人間の評価と相関し,AI生成画像に対する粗大な感情理解の最先端能力を示す。

関連論文リスト

• EmoFeedback$^2$: Reinforcement of Continuous Emotional Image Generation via LVLM-based Reward and Textual Feedback [35.44748809967547]
  連続感情画像生成(C-EICG)のための新世代フィードバック強化パラダイム(EmoFeedback$2$)を提案する。 我々は、LVLMが生成した画像の感情価値を評価し、対象の感情に対する報酬を計算する感情認識型報酬フィードバック戦略を導入する。 提案手法は,所望の感情を持つ高品質な画像を効果的に生成し,我々のカスタムデータセットにおける既存の最先端の手法より優れている。
  論文  参考訳（メタデータ） (2025-11-25T06:51:15Z)
• MME-Emotion: A Holistic Evaluation Benchmark for Emotional Intelligence in Multimodal Large Language Models [108.61337743051483]
  MME-Emotionは,MLLMの感情的理解と推論能力の両方を評価するシステムベンチマークである。 MME-Emotionには6000以上のキュレートされたビデオクリップとタスク固有の質問回答(QA)ペアが含まれており、8つの感情的なタスクを定式化するための広いシナリオにまたがっている。 マルチエージェントシステムフレームワークを通じて分析された、感情認識と推論のためのハイブリッドメトリクスを備えた総合評価スイートが組み込まれている。
  論文  参考訳（メタデータ） (2025-08-11T03:14:55Z)
• Empaths at SemEval-2025 Task 11: Retrieval-Augmented Approach to Perceived Emotions Prediction [83.88591755871734]
  EmoRAGは、SemEval-2025 Task 11, Subtask A: Multi-label Emotion Detectionのためのテキスト中の知覚感情を検出するように設計されたシステムである。 我々は、与えられたテキストスニペットから話者の知覚された感情を予測することに集中し、喜び、悲しみ、恐怖、怒り、驚き、嫌悪感などの感情をラベル付けする。
  論文  参考訳（メタデータ） (2025-06-04T19:41:24Z)
• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• Emotional Images: Assessing Emotions in Images and Potential Biases in Generative Models [0.0]
  本稿では、生成人工知能(AI)モデルにより生成された画像の感情的誘発における潜在的なバイアスと矛盾について検討する。 我々は、AIが生成した画像によって誘発される感情と、それらの画像を作成するために使用されるプロンプトによって誘発される感情を比較した。 発見は、AI生成画像が元のプロンプトに関係なく、しばしばネガティブな感情的コンテンツに傾いていることを示している。
  論文  参考訳（メタデータ） (2024-11-08T21:42:50Z)
• Level of agreement between emotions generated by Artificial Intelligence and human evaluation: a methodological proposal [0.0]
  生成画像と人間の感情反応の一致度はまだ評価されていない。 本研究は、感情評価に固有の主観性を確認した。
  論文  参考訳（メタデータ） (2024-10-10T19:44:32Z)
• EmoLLM: Multimodal Emotional Understanding Meets Large Language Models [61.179731667080326]
  マルチモーダル・大規模言語モデル(MLLM)は、目的とするマルチモーダル認識タスクにおいて顕著な性能を達成している。 しかし、主観的、感情的にニュアンスのあるマルチモーダルコンテンツを解釈する能力はほとんど解明されていない。 EmoLLMは、マルチモーダルな感情理解のための新しいモデルであり、2つのコア技術が組み込まれている。
  論文  参考訳（メタデータ） (2024-06-24T08:33:02Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)

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。