2026년 ACII 양방향 대화 워크숍 및 챌린지 (DaiKon)

The 2026 ACII Dyadic Conversations (DaiKon) Workshop & Challenge

2026년 ACII 양방향 대화 워크숍 및 챌린지 (ACII-DaiKon)는 양방향 대화에서 개인의 감정과 사회적 역동성을 모델링하기 위한 벤치마크를 제시합니다. 대화 감정 모델링은 빠르게 발전해 왔지만, 대부분의 벤치마크는 화자 중심적이며, 파트너 간의 상호 작용, 시간적 변화 과정, 즉 방향성 영향, 대화 타이밍 조정, 유대감 형성과 같은 요소들을 충분히 반영하지 못합니다. 이러한 격차를 해소하기 위해, ACII-DaiKon은 공유 데이터셋을 기반으로 세 개의 연계된 하위 챌린지를 제공합니다. (1) 방향성 있는 개인 간 영향 예측, (2) 발언 순서 예측 (다음 발언자 및 다음 발언까지의 시간), (3) 전체 상호 작용 과정에서의 유대감 변화 예측입니다. 챌린지는 실제 환경에서 수집된 945개의 양방향 대화(743.4시간의 오디오 및 비디오 데이터)로 구성된 Hume-DaiKon 데이터셋을 기반으로 합니다. 이 벤치마크는 고정된 학습/검증/테스트 데이터 분할, 표준화된 평가 지표, 공개된 기준 시스템을 통해 다중 모드 모델링, 시간 추론, 그리고 다양한 환경에서의 일반화 능력을 지원합니다. 하위 챌린지에 따라 Concordance Correlation Coefficient (CCC), Pearson 상관 계수, Macro-F1, 그리고 Mean Absolute Error (MAE)를 사용하여 평가합니다. 기준 실험을 통해 초기 성능을 설정한 결과, 영향 예측에서는 0.40의 CCC와 0.50의 Pearson 상관 계수, 발언 순서 예측에서는 0.66의 Macro-F1과 1.50초의 MAE, 유대감 변화 모델링에서는 0.68의 CCC와 0.70의 Pearson 상관 계수를 달성했습니다. 이러한 결과는 현재 방법들이 대략적인 양방향 패턴을 파악할 수 있지만, 방향성 의존성과 장기적인 개인 간 역동성을 강력하게 모델링하는 것은 여전히 어려운 과제임을 시사합니다. 이 워크숍은 데이터의 타당성, 평가 프로토콜, 그리고 문화적 민감성을 고려한 모델링에 대한 엄격한 비교와 학제 간 논의를 위한 공유 플랫폼을 제공합니다.

The 2026 ACII Dyadic Conversations (ACII-DaiKon) Workshop & Challenge introduces a benchmark for modeling interpersonal affect and social dynamics in dyadic conversations. Although conversational affect modeling has advanced rapidly, most benchmarks remain speaker-centric and underrepresent coupled, time-evolving processes between partners, including directional influence, conversational timing coordination, and rapport development. To address this gap, ACII-DaiKon presents three coordinated sub-challenges built on a shared dataset: (1) directional interpersonal influence prediction, (2) turn-taking prediction (next-speaker and time-to-next-speech), and (3) rapport trajectory prediction across full interactions. The challenge is built on the Hume-DaiKon dataset, comprising 945 dyadic conversations (743.4 hours of audiovisual data) collected under naturalistic conditions across five languages. The benchmark supports multimodal modeling, temporal reasoning, and cross-context generalization through fixed train/validation/test splits, standardized metrics, and released baseline systems. Evaluation uses Concordance Correlation Coefficient (CCC), Pearson correlation, Macro-F1, and Mean Absolute Error (MAE) depending on the sub-challenge. Baseline experiments establish initial reference performance, with best test results of 0.40 CCC and 0.50 Pearson for influence prediction, 0.66 Macro-F1 and 1.50~s MAE for turn-taking, and 0.68 CCC and 0.70 Pearson for rapport trajectory modeling. These results indicate that while current methods capture coarse dyadic patterns, robust modeling of directional dependence and long-horizon interpersonal dynamics remains challenging. The workshop provides a shared platform for rigorous comparison and cross-disciplinary discussion on data validity, evaluation protocols, and culturally aware modeling for dyadic interaction.