감정 감성 AI 모델 생성 학습데이터셋 구축 기술 개발
모달 융합과 도메인 적대학습으로 피험자 및 세션 변화에 따른 성능을 평가했다.
01 / RESEARCH DETAILMDA-GCL / 모달 융합과 도메인 적대학습의 효과
- 난제
- EEG와 안구 특징의 분포가 피험자와 세션에 따라 달라 동일한 분류기를 적용하기 어렵다.
- 해결
- 모달 유사도를 융합한 그래프에 대조 손실과 도메인 적대 손실을 적용해 분포 차이를 줄였다.
- 기여
- 공동 제1저자로 MDA-GCL 개발과 절제 실험에 참여했다. 다중모달 수집 프로토콜을 공동 설계했다.
| 정확도 (%) | 피험자 간 | 세션 간 |
|---|---|---|
| SEED-IV | 76.1 ± 7.4 | 83.8 ± 8.3 |
| SEED-V | 75.6 ± 6.3 | 82.5 ± 9.1 |
평가 조건 및 연구 범위비레이블 타깃 특징을 학습에 사용하는 transductive 도메인 적응. 타깃 감정 레이블은 학습 및 모델 선택에서 제외