PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.28769v1cs.LG

감정적 신체 동작 표현의 인식 향상을 위한 도구로서의 생성 학습

Generative Learning as a Tool to Improve Perception of Emotional Body Motion Expressions

감정적 신체 동작 표현은 비언어적 커뮤니케이션의 핵심 요소이다. 가상현실 아바타나 소셜 로봇공학 분야에서 기술을 통해 이러한 표현을 효과적으로 전달하는 것은 매우 중요하다. 생성 모델의 최근 발전은 감정적 신체 동작 학습 연구를 발전시킬 새로운 기회를 열었다. 그러나 감정 단서의 미묘함, 개인 간 변이성, 문화적 차이로 인해 정확한 감정 표현 표현을 생성하는 것은 어려운 과제이다. 본 연구에서는 생성 모델이 명시적인 감정-동작 지도 없이 문화적으로 기반한 모션 캡처 데이터로부터 직접 감정적 신체 동작을 암묵적으로 학습할 수 있는지 조사한다. 49명의 일본 배우들의 감정 퍼포먼스 데이터셋을 사용하여, 13개의 이산 감정 레이블을 조건으로 표현적 동작을 생성하는 트랜스포머 기반 생성 모델을 학습시켰다. 생성된 동작을 두 가지 관점에서 평가하였다: (1) 기계 관찰자의 인식 가능성을 평가하는 LSTM 기반 분류기로 22.80%의 인식 정확도를 달성하였으며, (2) 인간의 정서적 해석과의 일치도를 평가하기 위한 일본인 평가자 대상 인간 지각 연구에서 24.91%의 인식 정확도를 나타냈다. 이에 더하여, 감정 인식 모델 증강, 감정별 대표 동작 패턴 추출, 감정 강도 간 부드러운 전환 합성이라는 세 가지 실용적 과제에서 생성 모델링의 유용성을 평가하였다. 본 연구 결과는 정서 컴퓨팅(affective computing) 응용 프로그램 강화와 감정 표현에 대한 이해를 높이기 위한 암묵적·데이터 기반 생성 모델링의 잠재력을 부각시킨다.