2026年01月22日
## 要約：
本研究では、対話における感情認識の精度を向上させるため、多種多様な情報（視覚、聴覚など）を統合する新しいフレームワーク「DnR」を提案します。このフレームワークは、情報を「ユニーク」「冗長」「相乗効果」の3つの要素に分解し、それぞれを洗練させることで、より正確な感情認識を実現します。実験結果からも有効性が確認されており、その実装はGitHubで公開されています。
---
## 翻訳：
対話における感情認識の精度を向上させるためには、様々な情報源（視覚、聴覚など）を効果的に統合する表現が必要不可欠です。これらの情報は、個別の特徴（ユニーク）、複数のモダリティで共有される情報（冗長）、そしてモダリティを組み合わせることで生まれる相互作用（相乗効果）に分けられます。理想的な表現はこれらすべてを考慮する必要がありますが、そのようなバランスを達成することは困難です。最近のコントラスト学習や拡張ベースの手法は進歩を遂げていますが、データ準備の重要性を軽視する傾向があります。特に、生の入力または融合された埋め込みに直接拡張を適用すると、モダリティ固有とクロスモーダルシグナルの境界が曖昧になる可能性があります。この課題に対処するため、二相フレームワーク「D」ivide and「R」efine」（DnR）を提案します。Divide相では、各モダリティをユニークネス、ペアワイズ冗長性、相乗効果に明示的に分解します。Refine相では、調整された目的関数を用いてこれらの要素の情報の豊富さを高めながら、その区別された役割を維持します。洗練された表現は、多様な多様なパイプラインとプラグアンドプレイ互換性があります。IEMOCAPとMELDにおける広範な実験は、複数のMERCバックボーンにわたって一貫した改善を示しました。これらの結果は、多様な表現を明示的に分割、洗練、再結合することが、感情認識を前進させるための原則的な戦略であることの有効性を強調しています。実装はhttps://github.com/mattam301/DnR-WACV2026で利用可能です。
[📰 原文はこちら](https://arxiv.org/abs/2601.14274)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
