本論文では、感情認識とヒューマン-マシンインタラクション(HMI)の分野において、個人に特化したアプローチの有効性を示している。個人に特化したアプローチは、個人固有の特徴を捉え、感情予測の精度を向上させることができる。しかし、個人化の手法は、対象個人のデータ不足に直面する課題がある。
本研究では、Distance Weighting Augmentation (DWA)と呼ばれる、個人に特化したモデルの精度向上を目的とした新しいデータ拡張手法を提案している。DWAは、対象個人のデータセットを拡張するために、距離指標を用いて類似したサンプルを同定し、重み付けに基づいて拡張する手法である。
MuSe-Personalisation 2023 Challengeのデータセットを用いた実験の結果、DWAは、ベースラインと比較して、特に低パフォーマンスの特徴セットの精度を大幅に向上させることができることが示された。この改善は、高パフォーマンスの特徴セットの精度を犠牲にすることなく実現された。具体的には、DWAを用いることで、テストセットにおける最大の組み合わせCCCが0.78まで向上し、ベースラインの0.76(再現0.72)を上回った。また、覚醒度と感情価の最高スコアがそれぞれ0.81と0.76となり、ベースラインの0.76と0.67を上回った。
本研究は、個人に特化した感情コンピューティングモデルの発展に大きく貢献し、現実世界の文脈におけるデータレベルの個人化の実用性と適応性を高めている。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問