Low-Cost Video--Time Priors as a Strong Baseline for EEG--fNIRS Emotion Regression on Familiar Videos
arXiv 人工智能预印本（Atom） · 2026-10-03 01:14 发布 · 2026-10-06 06:58 采集 · Rongjie Wang
基本信息
原始数据层（AI 与用户都不会覆盖这些字段）
❔ 待判断
科研成果
AI
状态：已分析
综合价值 3.7 / 5
- 来源
- arXiv 人工智能预印本（Atom）（arXiv · INTL）
- 发布时间
- 2026-10-03 01:14
- 采集时间
- 2026-10-06 06:58
- 语言
- en
- 地域置信度
- 20%
- 原始链接
- https://arxiv.org/abs/2610.03618v1
- 内容指纹
- 56d1df99f148b531cd007eb57909839012b3db024d9a1991a39bd7fd331bc0f2
AI 整理
分析于 2026-10-06 06:58（第 1 版，来源：offline）Continuous emotion regression estimates moment-to-moment valence and arousal while a viewer watches a video.In familiar-video deployment, responses fron training participant-specific estimate, and pri…
为什么值得关注：提供了新的研究结果
趋势标签： regression emotion fusion while
我的价值判断与记录
系统判断的重要性与你的判断同时保存（§27），永不互相覆盖添加记录
还没有记录。阅读后写下你的评论、启发与后续行动 —— 这是系统最终真正积累的部分。
用户纠错
原始信息 + 用户意见 + 修正结果分别记录，便于审计；系统不会自动改原始数据原始内容
仅在合法且采集到正文时显示；否则请查看原文链接Continuous emotion regression estimates moment-to-moment valence and arousal while a viewer watches a video. In familiar-video deployment, responses fron training participant-specific estimate, and prior-dominating fixed fusion tests whether physiology adds residual correction. In five-fold subject-held-out evaluation on 24was within 0.05 and 0.32 MAE of fusion in the internal and external evaluations, respectively. Source-explicit ablations showed that video identity and within-video tine accounted for most of the reduction, while EG-FNIRS gains were smaller and varied across participants and videos. These results identify the video-time prior as a strong, low-cost baseline and position EEG-fNIRS as an optional residual signal for familiar-video emotion regression.
事件演化
同一事件的后续报道、状态变化与版本记录
2026-10-03
首次出现
Low-Cost Video--Time Priors as a Strong Baseline for EEG--fNIRS Emotion Regression on Familiar Videos
暂无后续版本记录。当你把该信息加入「跟踪」后，后续采集到的相关报道会归并到这里。