AttendAffectNet:映画からの感情応答を予測するための自己注意ベースネットワーク【JST・京大機械翻訳】

Thao Ha Thi Phuong; T. Balamurali B.; Herremans Dorien; Roig Gemma

プレプリント

J-GLOBAL ID：202202208487093526 整理番号：21P0055922

AttendAffectNet:映画からの感情応答を予測するための自己注意ベースネットワーク【JST・京大機械翻訳】

AttendAffectNet: Self-Attention based Networks for Predicting Affective Responses from Movies

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年10月21日プレプリントサーバーでの情報更新日： 2020年10月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,AttendAffectNetと呼ばれる映画からの感情予測のための自己注意ベースネットワークの異なる変異体を提案した。オーディオとビデオの両方を考慮し,感情予測のために抽出した特徴に新しい方法で自己注意機構を適用することにより,複数のモダリティ間の関係を取り入れた。感情応答の逐次依存性を考慮しながら,映画の時間表現関係を捉えることを可能にする自己注意ベースモデルの典型的時間積分と比較した。著者らは,拡張COGNIMUSEデータセット[1],[2],および感情アノテーションを有する映画から成るMovies Tasks of Movies Task Emotional Imagemental of Movies Reactive Emotional Impactive of Movies Task of Movies A結果は,時間領域よりも異なるオーディオビジュアル特徴に自己注意機構を適用することが,感情予測に対してより効果的であることを示す。また,著者らのアプローチは,感情予測のための多くの最先端のモデルより優れていることを証明した。モデルの実装による結果を再現するコードは,https://github.com/ivyha010/AttendAffectNetで利用可能である。【JST・京大機械翻訳】

, ,
, , , , 【Automatic Indexing@JST】

人工知能 , 応用心理学

, , , , ,

前のページに戻る