跳到正文
原文
arXiv · Human-Computer Interaction· Marius Funk, Daksitha Withanage Don, Michal Balazia 等 9 人
· 11 天前精选AI 评分60

跨领域、年龄与文化的人机与人际交互投入度估计:MultiMediate'26 挑战赛

Engagement Estimation in Human-Robot and Human-Human Interactions across Domain, Age and Culture: MultiMediate'26 Challenge

预印本 · 尚未经过同行评审

AI 导读

MultiMediate 系列挑战赛此前聚焦成人对话中连续投入度值的估计,本次将评测领域扩展到 PInSoRo 数据集中儿童与儿童、儿童与机器人的英语游戏会话,这些会话以分类方式标注了任务投入度和社会投入度。文中介绍了 NoXi、NoXi-J、MPIIGI 和 PInSoRo 四个数据集、提取的多模态特征以及跨全部领域的投入度估计基线模型,并讨论了参赛方案。基线代码、排行榜、数据集和提取特征均已公开。

推荐理由

MultiMediate'26 挑战赛把评测范围扩展到儿童与儿童、儿童与机器人的游戏会话,并公开基线代码、排行榜、数据集和提取特征。

摘要 · AI 翻译

理解人际互动中的参与度对于建模辅助性和情境感知的 AI 系统至关重要。此前,MultiMediate 挑战赛聚焦于跨文化的成人对话中瞬时连续参与度值的估计,并在跨领域上实现了高度泛化。然而,参与度可以用不同的指标来衡量,并且在儿童与成人之间的表现形式也有所不同。因此,MultiMediate'26 将评估领域集扩展至包含英语儿童-儿童与儿童-机器人游戏会话的 PInSoRo 数据集。这些会话以分类方式对任务参与度和社会参与度进行了标注,从而在参与度类型、年龄范围和互动类型上实现了多样化。本文中,我们介绍 MultiMediate'26 挑战赛及其目标,介绍 NoXi、NoXi-J、MPIIGI 和 PInSoRo 数据集,展示提取的多模态特征,给出我们用于跨所有领域参与度估计的基线模型,并讨论挑战赛的提交作品与方法。为提供一个透明且友好的挑战赛环境,基线代码、排行榜、数据集和提取的特征均公开于 https://github.com/hcmlab/MultiMediate_26。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Human-Computer Interaction · arxiv.org

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。