論文の概要: GeoMER: A Joint Euclidean-Hyperbolic Geometry Framework for Multimodal Emotion Recognition

• arxiv url: http://arxiv.org/abs/2610.18587v1
• Date: Tue, 13 Oct 2026 15:48:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.662991
• Title: GeoMER: A Joint Euclidean-Hyperbolic Geometry Framework for Multimodal Emotion Recognition
• Title（参考訳）: GeoMER:マルチモーダル感情認識のためのユークリッド・双曲幾何フレームワーク
• Abstract要約: マルチモーダル感情認識は、音声やテキストなどの複数のモーダルからの情報を統合することで、人間の感情を理解することを目的としている。 我々は,高レベルで抽象的な感情表現を捉えるために,双曲型感情コアルーティングを導入したユークリッド・双曲型モデリングフレームワークGeoMERを提案する。
• 参考スコア（独自算出の注目度）: 4.871044654816976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal Emotion Recognition (MER) aims to understand human emotions by integrating information from multiple modalities such as speech and text. Psychological studies suggest that emotions exhibit latent hierarchical structured relationships in their semantic representations. However, most MER approaches rely on Euclidean representations, which capture fine-grained cross-modal interactions but do not explicitly provide a geometric prior for organizing hierarchical emotional structures. To mitigate this gap, we propose GeoMER, a joint Euclidean-Hyperbolic modeling framework that introduces hyperbolic emotion-core routing to capture higher-level, abstract emotional representations for MER. The proposed framework jointly models token-level cross-modal semantic interactions and latent emotion representations in two complementary geometric spaces. Specifically, GeoMER consists of a Euclidean Multimodal Fusion Module (EuclFusion) for multimodal representation fusion and a Hyperbolic Geometric Core Routing (HypGeoRoute) module that performs geometry-aware core assignment and aggregation in a hyperbolic manifold to capture more abstract feature representations. The HypGeoRoute module complements the Euclidean token-level modeling. We experiment on the IEMOCAP multimodal MER benchmark and demonstrate that the proposed method achieves the best performance, with 83.54% weighted accuracy and 83.35% unweighted accuracy, outperforming Euclidean baselines, including MemoCMT.
• Abstract（参考訳）: マルチモーダル感情認識(MER)は、音声やテキストなどの複数のモーダルからの情報を統合することで、人間の感情を理解することを目的としている。 心理学的研究により、感情は、その意味表現において潜在階層的な構造的関係を示すことが示唆されている。 しかし、ほとんどのMERアプローチはユークリッド表現に依存しており、細粒度のクロスモーダルな相互作用を捉えるが、階層的な感情構造を整理するための幾何学的事前を明示的に提供しない。 このギャップを緩和するために,MERの高次抽象的感情表現を捉えるために,双曲型感情コアルーティングを導入したユークリッド・双曲型モデリングフレームワークGeoMERを提案する。 提案フレームワークは、2つの相補的な幾何学空間におけるトークンレベルの相互モーダル意味相互作用と潜在感情表現を共同でモデル化する。 特に、GeoMERはマルチモーダル表現融合のためのユークリッド多モード融合モジュール(EuclFusion)と、より抽象的な特徴表現を捉えるために双曲多様体の幾何学的コアアロケーションとアグリゲーションを実行する双曲幾何幾何コアルーティング(HypGeoRoute)モジュールから構成される。 HypGeoRouteモジュールはユークリッドトークンレベルのモデリングを補完する。 提案手法は,IEMOCAPマルチモーダルMERベンチマークを用いて,83.54%の重み付き精度,83.35%の未重み付き精度,およびMemoCMTを含むユークリッドベースラインよりも優れた性能を示した。

関連論文リスト

• OmniView-Space: Reinforcing Spatial Reasoning via Multi-Perspective Spatial Mapping [69.48762031013514]
  OmniView-Spaceはマルチモーダルなエゴセントリックなエビデンスを通じて空間の一貫性を維持するために設計されたフレームワークである。 提案手法は, マルチパースペクティブ空間マッピング (MPSM) の3つのコアコンポーネントから構成される。(1) 幾何をクエリ整列型視覚認知マップとテキスト空間グラフに再構成する手法,(2) クエリによって要求されるエゴアンカーを積極的に選択し,対応するMPSM証拠を要求するためのインターリーブドポリシー,(3) MPSM生成トラジェクトリとエゴフレーム報酬を用いてモデルを自己生成認知マップで推論する認知マップ蒸留である。
  論文  参考訳（メタデータ） (2026-07-01T12:45:12Z)
• Emotion Collider: Dual Hyperbolic Mirror Manifolds for Sentiment Recovery via Anti Emotion Reflection [19.83275015213163]
  Emotion Collider (EC-Net)は、マルチモーダルな感情と感情モデリングのためのハイパーグラフフレームワークである。 EC-Netは、Poincare-ballの埋め込みを使用して階層を表現し、ハイパーグラフ機構を通じて融合を行う。 実験の結果、EC-Netは頑健でセマンティックな一貫性のある表現を生成し、常に精度を向上することが示された。
  論文  参考訳（メタデータ） (2026-02-18T03:19:05Z)
• Thinking with Geometry: Active Geometry Integration for Spatial Reasoning [68.59084007360615]
  我々は,能動的知覚にパラダイム・パッシブ・フュージョンをシフトさせるフレームワークであるGeoThinkerを提案する。 特徴混合の代わりに、GeoThinkerはモデルが内部の推論要求に応じて条件付けられた幾何学的証拠を選択的に検索することを可能にする。 その結果,次世代の空間知能には,空間構造を積極的に統合する能力が不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2026-02-05T18:59:32Z)
• Multi-label Classification with Panoptic Context Aggregation Networks [61.82285737410154]
  本稿では,多次幾何学的文脈を階層的に統合する新しいアプローチであるDeep Panoptic Context Aggregation Network(PanCAN)を紹介する。 PanCANは、ランダムウォークとアテンションメカニズムを組み合わせることで、各スケールで複数階の近傍関係を学習する。 NUS-WIDE、PASCAL VOC、2007、MS-COCOベンチマークの実験は、PanCANが一貫して競争結果を達成することを示した。
  論文  参考訳（メタデータ） (2025-12-29T14:16:21Z)
• HyperbolicRAG: Enhancing Retrieval-Augmented Generation with Hyperbolic Representations [11.678218711095269]
  グラフベースのRAGは、大きな言語モデルが外部知識にアクセスできるようにする。 本稿では,ハイパーボリック幾何をグラフベースRAGに統合する検索フレームワークであるHyperbolicRAGを提案する。
  論文  参考訳（メタデータ） (2025-11-24T06:27:58Z)
• SMLNet: A SPD Manifold Learning Network for Infrared and Visible Image Fusion [60.18614468818683]
  マルチモーダル画像融合のための新しいSPD(対称正定値)多様体学習を提案する。 我々のフレームワークは現在の最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2024-11-16T03:09:49Z)
• Dynamic Hyperbolic Attention Network for Fine Hand-object Reconstruction [76.5549647815413]
  ハイパボリック空間,すなわち動的ハイパボリック注意ネットワーク(DHANet)における最初の正確な手オブジェクト再構成手法を提案する。 本手法は,マルチモーダル情報によりメッシュ特性を学習し,手動物体の相互作用をより良くモデル化する。
  論文  参考訳（メタデータ） (2023-09-06T13:00:10Z)
• AMCAD: Adaptive Mixed-Curvature Representation based Advertisement Retrieval System [18.07821800367287]
  非ユークリッド空間における複素および異種グラフ構造を自動的にキャプチャするウェブスケール適応型混合グラフ広告検索システム(AMCAD)を提案する。 ユーザ数億の最大のeコマースプラットフォームであるTaobaoにAMCADをデプロイするために,効率的な2層オンライン検索フレームワークを設計する。
  論文  参考訳（メタデータ） (2022-03-28T12:29:30Z)

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。