論文の概要: The BEATS Dataset: Towards Understanding Music-Physiology Dynamics in Real-World Scenarios
- arxiv url: http://arxiv.org/abs/2611.15837v1
- Date: Wed, 11 Nov 2026 18:47:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.253526
- Title: The BEATS Dataset: Towards Understanding Music-Physiology Dynamics in Real-World Scenarios
- Title(参考訳): BEATSデータセット : 実世界のシナリオにおける音楽-物理ダイナミクスの理解に向けて
- Abstract要約: BEATSデータセットは,30人の被験者から収集した心理生理学的データを,健康を増進するためのプレイリストを聴きながら,頑健に収集するものである。
Biomarkers, Experience and Affect from Therapeutic Soundscapesの略で、BEATSデータセットは、幸福、音楽心理学、感情コンピューティング、信号処理の研究を支援することを目的としている。
- 参考スコア(独自算出の注目度): 17.823033704525482
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the BEATS dataset, a robust compilation of psycho-physiological data collected in the wild from 30 participants while they listened to curated playlists intended to promote well-being. An acronym for Biomarkers, Experience and Affect from Therapeutic Soundscapes, the BEATS dataset aims to support research on wellbeing, music psychology, affective computing and signal processing. More specifically, this dataset includes: (1) sensor data collected during music listening sessions using a research-grade wearable device in free-movement environments; (2) music listening activity records, stimulus metadata, acoustic features, and self-reports associated with the listening sessions (3) individual characteristics, such as demographics, music preference, musical skills, and personality traits; and (4) self-reported psychological measures before and after their experimental participation spanning for a number of weeks. By situating data collection outside of lab settings, the BEATS dataset offers the opportunity to study real-world music-listening scenarios, allowing for a richer exploration of the physiological, subjective and therapeutic effects of music under real-world conditions.
- Abstract(参考訳): BEATSデータセットは,30人の被験者から収集した心理生理学的データを,健康を増進するためのプレイリストを聴きながら,頑健に収集するものである。
Biomarkers, Experience and Affect from Therapeutic Soundscapesの略で、BEATSデータセットは、幸福、音楽心理学、感情コンピューティング、信号処理の研究を支援することを目的としている。
具体的には,(1)自由移動環境における研究グレードのウェアラブルデバイスを用いた音楽聴取セッション中に収集されたセンサデータ,(2)聴取セッションに関連する音楽聴取活動記録,刺激メタデータ,音響特徴,自己報告,(3)人口動態,音楽嗜好,音楽スキル,人格特性などの個人的特徴,(4)実験参加前後の自己報告心理学的指標を含む。
BEATSデータセットは、実験室の外でデータ収集を行うことにより、実世界の音楽リスニングシナリオを研究する機会を提供し、実世界の条件下での音楽の生理的、主観的、治療的効果をより深く探求することを可能にする。
関連論文リスト
- BODYinTRANSIT-Lab: A Multimodal Dataset for Investigating Sensory-Driven Transformations in Body Perception and Affective Experiences [61.809832478103715]
BODYinTRANSIT-Labは,フットステップIllusionに対する感情的,知覚的,行動的反応をキャプチャするマルチモーダルデータセットである。
このクローズドループ・パラダイムでは、参加者は、知覚された体重を変えることを意図した自身の足跡をリアルタイムで操作した聴覚フィードバックを受けながら歩行作業を行う。
本データセットは、食事障害症状学および身体活動レベルにより、体系的な階層化を通じて採用された101人の参加者の同期記録を含む。
論文 参考訳(メタデータ) (2026-11-10T13:53:02Z) - CoarseSoundNet: Building a reliable model for ecological soundscape analysis [73.44688723989053]
サウンドスケープは、生物音(動物音)、地球音(自然無生物音)、人類音(人間音)の3種類からなる。
論文 参考訳(メタデータ) (2026-05-20T13:18:11Z) - Decoding Selective Auditory Attention to Musical Elements in Ecologically Valid Music Listening [2.9306210138702142]
本研究は,4つの電極しか持たない,自然主義的でスタジオ制作の楽曲と軽量なコンシューマグレードの脳波デバイスを用いて,音楽要素に対する選択的注意をデコードする最初の試みである。
コントリビューションは, (i) 実際のスタジオ制作曲における音楽の注意をデコードすること, (ii) 、4チャンネルの消費者脳波による実現可能性を示すこと, (iii) 音楽の注意をデコードするための洞察を提供すること, (iv) 先行作業よりも優れたモデル能力を示すこと,の4つである。
論文 参考訳(メタデータ) (2025-12-05T08:39:36Z) - Toward a Realistic Encoding Model of Auditory Affective Understanding in the Brain [5.168772989709122]
感情神経科学と感情認識AIでは、複雑な聴覚刺激が感情の覚醒力学をいかに駆動するかを理解することは未解決のままである。
本研究では,脳の自然な聴覚入力を動的行動・神経応答にモデル化するための計算枠組みを提案する。
感情コンピューティングと神経科学を統合することで、この研究は聴覚-感情エンコーディングの階層的なメカニズムを明らかにする。
論文 参考訳(メタデータ) (2025-09-23T14:52:11Z) - R&B -- Rhythm and Brain: Cross-subject Decoding of Music from Human Brain Activity [0.12289361708127873]
音楽は、文化全体にわたる人間の経験に大きな影響を及ぼす普遍的な現象である。
本研究では,音楽の知覚における機能的MRI(FMRI)を用いた人間の脳活動から,音楽の復号化が可能であるかを検討した。
論文 参考訳(メタデータ) (2024-06-21T17:11:45Z) - Music Emotion Prediction Using Recurrent Neural Networks [8.867897390286815]
本研究は,聴取者の感情状態に合うように音楽を調整することで,音楽レコメンデーションシステムを強化し,治療介入を支援することを目的とする。
ラッセルの感情クアドラントを用いて、音楽を4つの異なる感情領域に分類し、これらのカテゴリーを正確に予測できるモデルを開発する。
我々のアプローチは、Librosaを使って包括的なオーディオ機能を抽出し、標準RNN、双方向RNN、Long Short-Term Memory(LSTM)ネットワークなど、さまざまなリカレントニューラルネットワークアーキテクチャを適用します。
論文 参考訳(メタデータ) (2024-05-10T18:03:20Z) - Self-Supervised Visual Acoustic Matching [63.492168778869726]
音響マッチングは、ターゲットの音響環境に録音されたかのように、音声クリップを再合成することを目的としている。
そこで本研究では,対象のシーン画像と音声のみを含む,視覚的音響マッチングのための自己教師型アプローチを提案する。
提案手法は,条件付きGANフレームワークと新しいメトリクスを用いて,室内音響をアンタングル化し,音をターゲット環境に再合成する方法を共同で学習する。
論文 参考訳(メタデータ) (2023-07-27T17:59:59Z) - Predicting emotion from music videos: exploring the relative
contribution of visual and auditory information to affective responses [0.0]
本稿では、感情的マルチメディアコンテンツ分析のための新しいデータセットであるMusicVideos(MuVi)を紹介する。
データは、音楽、視覚、オーディオヴィジュアルの3つの条件で、参加者に音楽映像を提示することで収集された。
論文 参考訳(メタデータ) (2022-02-19T07:36:43Z) - Multi-Modal Music Information Retrieval: Augmenting Audio-Analysis with
Visual Computing for Improved Music Video Analysis [91.3755431537592]
この論文は、音声分析とコンピュータビジョンを組み合わせて、マルチモーダルの観点から音楽情報検索(MIR)タスクにアプローチする。
本研究の主な仮説は、ジャンルやテーマなど特定の表現的カテゴリーを視覚的内容のみに基づいて認識できるという観察に基づいている。
実験は、3つのMIRタスクに対して行われ、アーティスト識別、音楽ジェネア分類、クロスジェネア分類を行う。
論文 参考訳(メタデータ) (2020-02-01T17:57:14Z)
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。