Studio scopre che le rappresentazioni SSL falliscono nel rilevamento delle emozioni PPG soggettivo
Uno studio recente pubblicato su arXiv (2608.14675) indaga il ruolo dell'Apprendimento Auto-Supervisionato (SSL) nell'analisi dei segnali fotopletismografici (PPG) per identificare emozioni forti in situazioni quotidiane. I ricercatori hanno addestrato un codificatore PPG della vita reale (RL-PPG) utilizzando dati non vincolati del mondo reale. Hanno confermato l'efficacia di queste rappresentazioni dimostrando un miglioramento di quasi cinque volte nelle prestazioni su un compito oggettivo di riconoscimento dell'attività fisica attraverso una valutazione leave-one-subject-out (LOSO). Al contrario, quando applicate a un compito soggettivo di rilevamento delle emozioni, queste rappresentazioni non hanno superato i modelli di base semplici sotto lo stesso protocollo LOSO. Lo studio ha rivelato che l'integrazione dei dati personali durante la messa a punto è essenziale per migliorare il rilevamento delle emozioni, sottolineando la necessità di metodi personalizzati in applicazioni soggettive.
Fatti principali
- Lo studio valuta SSL per il rilevamento delle emozioni basato su PPG in contesti di vita reale.
- Il codificatore RL-PPG è pre-addestrato su dati di vita reale non vincolati.
- Le rappresentazioni si trasferiscono bene al riconoscimento dell'attività fisica (miglioramento di 5 volte).
- Le rappresentazioni generali falliscono nel rilevamento soggettivo delle emozioni sotto LOSO.
- La validazione Across-Time mostra che l'incorporazione dei dati personali migliora le prestazioni.
- Lo studio è pubblicato su arXiv con ID 2608.14675.
- Tipo di annuncio: cross.
- I risultati suggeriscono limitazioni del SSL generale per compiti soggettivi.
Entità
Istituzioni
- arXiv