meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Emotionserkennung”
Forschung

<h1>Chinesisches Datenset Dialogzufriedenheit, Emotionserkennung & Zustandsübergang</h1> <p>Die Zufriedenheit der Nutzer ist ein entscheidender Faktor für Unternehmen, denn sie spiegelt nicht nur die subjektive Bewertung von Servicequalität oder Produkten wider, sondern wirkt sich auch auf die Kundenloyalität und den langfristigen Umsatz aus. Durch die kontinuierliche Beobachtung und Analyse der Emotionen während Interaktionen lässt sich die Zufriedenheit besser vorhersagen und gezielt verbessern.</p> <p>Ak
arXiv – cs.AI
Forschung

<h1>Cloud-basierter Cross-Modal-Transformer revolutioniert Emotionserkennung in HCI</h1> <p>Emotionserkennung ist ein zentrales Element der nächsten Generation menschlicher Computerinteraktion. Traditionelle Systeme analysieren meist nur ein einziges Modalität – sei es Gesichtsausdruck, Stimmlage oder Textsentiment – was ihre Robustheit und Generalisierbarkeit in realen Umgebungen stark einschränkt.</p> <p>In einer neuen Studie wird ein Cloud‑basierter Cross‑Modal‑Transformer (CMT) vorgestellt, der visuelle
arXiv – cs.AI
Forschung

<p>EEG-Emotionserkennung ohne Subjektabhängigkeit: Lokale & globale Merkmalsfusion</p> <p>Die Erkennung von Emotionen aus EEG-Daten ohne Abhängigkeit vom jeweiligen Subjekt ist wegen großer interindividueller Unterschiede und der kurzen, verrauschten Aufnahmen besonders schwierig. Ein neues Verfahren kombiniert dafür lokale, kanalbezogene Merkmale mit globalen, trial‑basierten Beschreibungen und erzielt damit eine deutlich bessere Generalisierung über verschiedene Personen hinweg.</p> <p>Auf der lokalen Ebe
arXiv – cs.LG
Forschung

Agentenbasierte Architektur verbessert multimodale Emotionserkennung <p>In der Mensch-Agent-Interaktion ist die präzise Erkennung menschlicher Emotionen entscheidend. Traditionelle multimodale Deep‑Learning‑Modelle, die Gesichtsausdrücke, Sprache und Text nutzen, liefern zwar hohe Genauigkeit, erfordern jedoch aufwendiges Training und sind schwer an neue Modalitäten anzupassen.</p> <p>Eine neue Lösung präsentiert ein multi‑agentenbasiertes System, bei dem jeder Modus‑Encoder sowie der Fusionsklassifikator
arXiv – cs.AI