2026年4月27日にarXivで公開された本研究は、動画視聴によって誘発される『快楽（pleasure）』を計算モデルで推定する枠組みを提案している。従来のマルチモーダル感情計算が『ポジティブ/ネガティブ』といった大まかな感情分類にとどまっていたのに対し、本研究は『ポジティブ感情』と『快楽』の意味的ギャップに着目し、認知的評価理論（cognitive appraisal theory）とファジーモデルを組み合わせた独自フレームワークで両者を橋渡しする。
モデルはTransformerベースのアーキテクチャとアテンション機構を採用し、モーダル間・モーダル内の動態を細粒度で抽出する。その上で認知的評価変数を中間表現として予測することで、統計的相関にとどまらない解釈可能性を確保した点が特徴だ。実験では動画誘発型の快楽レベル予測で最大精度0.6624を達成している。
論文は4つの課題を明示的に設定している。（1）人間ラベルのノイズと不整合、（2）『ポジティブ感情』と『快楽』の意味的ギャップ、（3）快楽専用データセットの不足、（4）既存のブラックボックス融合手法の解釈可能性の限界、である。これらはいずれも感情AIの実用化を阻んできた要因であり、研究の位置づけを明確にしている。
応用先としては、感情ベースのコンテンツ推薦とインテリジェントメディア制作が挙げられている。日本の動画配信・SNS事業者にとっては、推薦アルゴリズムの粒度を上げる研究の土台として参照価値がある。一方で精度0.6624は実運用に直結する水準ではなく、当面は研究・検証フェーズの参照材料と位置づけるのが妥当だ。
