携帯型EEGデバイス向けの動画主導の感情認識

なぜあなたの動画が感情を知っているかもしれないのか

軽量のヘッドバンドが静かに脳の活動を読み取り、あなたが幸せか、落ち着いているか、悲しいか、怖がっているかを推測する――そんな映画予告編を見ている場面を想像してください。本研究は、実験室の大型機器ではなく、小型で携帯可能な脳波（EEG）デバイスを用いてその状況を現実的にする方法を探ります。この成果は、よりスマートなメディアに関心のある人々に重要です。視聴者の反応を把握したい広告主から、視聴者が実際にどう感じているかに基づいて番組を推薦できるストリーミングプラットフォームまで、幅広い応用が考えられます。

脳波から感情を読み取る

脳は頭皮上で測定できる弱い電気信号を発し、これを脳波計測（EEG）で捉えられます。感情を経験するとこれらの信号は微妙に変化します。よく使われる研究データセットDEAPは、人々が音楽ビデオを視聴している間のEEGを記録し、各動画の快適さ、強度、コントロール感、好感度を評価してもらいました。多くの先行研究は多数の電極と強力な計算機を用いて可能な限り高い精度を追求しましたが、これは実生活に即した条件ではありません。本論文はより実用的な問いを立てます。低コストで携帯可能、かつ電極数が少ないデバイスでも、多数の視聴者にわたって動画が呼び起こす主要な感情を捉えられるでしょうか。

共有される感情の筋書きを見つける

障害の一つは、人々が感情を同じように表現しないことです。同じクリップを見ても、ある視聴者は「わくわくする」と言い、別の人は「まあまあ」と表現するかもしれません。研究者たちは、個々の評価をそのまま信用するのではなく、視聴者間のパターンを探す段階的なラベル補正システムを構築することでこれに対処します。まず、すべての評価を共通の尺度に変換し、いくつかの主要な次元に圧縮します。次に、教師なしのクラスタリングで類似した感情反応をグループ化し、動画を感情空間の四つの大きなコーナーに分けることを目指します：幸せ（快適で強い）、落ち着き（快適で穏やか）、恐怖（不快で強い）、悲しみ（不快で穏やか）。最後の精緻化段階では、追加の評価情報を用いて不確かなケースを調整し、群衆の全体的な印象をよりよく反映する各動画の支配的な感情ラベルを得ます。

少ないハードウェアで多くを引き出す

もう一つの課題はハードウェアです。32本以上の電極を備えたフルEEGキャップは扱いにくく高価です。チームはこれを前頭部、中央、側頭部、後頭部に慎重に選んだ11の位置に絞る方法を設計しました――これらの領域は情動制御、覚醒、聴覚、視覚、注意に関連しています。次に、異なる感情状態下で古典的な脳波バンド（低速から高速のリズム）にわたる信号エネルギーの分布を詳細に解析します。これらのパターンを比較することで、特定の周波数帯と頭皮部位の組合せが、視聴者が高く覚醒しているか深くリラックスしているかなどを示す強い手掛かりを運ぶことを示しています。この多バンドエネルギー比アプローチにより、冗長性の多くを捨てつつ情報量の多い信号を保持できます。

データに重要なものを浮かび上がらせる

電極数を減らしても、記録された毎秒のデータは膨大です。モデルを圧倒しないように、著者らはウェーブレットベースのエネルギー測度、異なる脳領域の共変動、さまざまな周波数におけるパワーの時間変化など、複数の特徴タイプを組み合わせて、各視聴の豊かで構造化された記述を作ります。次に、サリエンシー（顕著度）に基づく選択ステップで、感情を区別するのに有用な特徴をランキングし、コンパクトなサブセットのみを残します。この削ぎ落とした表現を用いて、三つの標準的な機械学習モデルを訓練し、与えられた動画に最も適する四つの支配的感情のどれかを識別します。全く新しい被験者に一般化する必要のある厳しいテストでは、最良のモデルが約45％の精度に達しました。これは雑音の多い脳データと11チャネルのみという条件での四択としては堅実な結果です。

日常技術への意味

非専門家向けの要点は、小型の携帯型脳波デバイスを使って、完全な実験室装置ではなくても動画に対する人々のグループの感情を推定し始めることができる、ということです。感情ラベルを整え、EEG信号の最も有益な部分に注目し、限られた数の適切に配置されたセンサーだけを選ぶことで、著者らは動画の支配的な感情トーン（幸せ、落ち着き、恐怖、悲しみ）を視聴者間で検出することが可能であることを示しました。システムは完璧ではありませんが、アンケートやクリックだけでなく客観的な脳反応に基づくオーディエンス感情追跡、コンテンツ検査、感情対応型の推薦といった実用的ツールへの道を示しています。

引用: Wen, X., Xu, W., Tian, L. et al. Video-dominant emotion recognition for portable EEG-based devices. Sci Rep 16, 7899 (2026). https://doi.org/10.1038/s41598-026-39315-8

キーワード: EEG感情認識, 脳–コンピュータインターフェース, 動画の感情解析, ウェアラブル神経科学, 感情コンピューティング