PulseAugur
实时 08:09:17
English(EN) Generative Learning as a Tool to Improve Perception of Emotional Body Motion Expressions

生成式AI模型学习情绪肢体动作表情

研究人员开发了一种基于Transformer的生成模型,可以直接从动作捕捉数据中学习情绪肢体动作表情。该模型以日本演员的表演为训练数据,能够根据离散的情感标签生成富有表现力的动作。评估结果显示,机器观察者能够以22.80%的准确率识别生成动作中的情绪,而人类评分者则达到了24.91%的准确率。该研究还证明了该模型在增强情感识别、提取特定情绪模式以及合成情绪强度之间的过渡方面的效用,突显了其在情感计算领域的潜力。 AI

影响 这项研究可以通过实现更细致的情感表达,来增强情感计算应用,并提高虚拟代理和社交机器人的真实感。

排序理由 该集群包含一篇详细介绍AI新研究方法和发现的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

生成式AI模型学习情绪肢体动作表情

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Huakun Liu, Miao Cheng, Xin Wei, Felix Dollack, Victor Schneider, Hideaki Uchiyama, Chia-huei Tseng, Yoshifumi Kitamura, Monica Perusquia-Hernandez ·

    生成式学习作为改善情绪化身体动作表情感知的工具

    arXiv:2606.28769v1 Announce Type: new Abstract: Emotional body motion expressions are an essential element of non-verbal communication. Effectively conveying these expressions through technology is of utmost importance, for example, with virtual reality avatars and in social robo…