ECCVOct, 2016

双模态音视频时间顺序深度学习与随机视觉特征应用于第一印象识别

PDF
TL;DR本文提出一种基于短视频中的大五人格特质进行第一印象识别的新方法，使用双模态深度神经网络结构和少量帧的音频和视觉特征进行训练，并在使用 ChaLearn LAP APA2016 数据集进行评估时表现出色。
first impressions recognitionbig five personality-traitsend-to-end deep neural networkaudio and visual featureschalearn lap apa2016 dataset
发现论文，激发创造
  • Deep Impression: 音 / 视多模态深度残差网络用于鉴别明显人格特质

    本文使用音视频深度残差网络进行多模态明显人格特质识别，并针对大五人格特征进行端到端训练。该网络无需进行特征工程或视觉分析，如面部检测、面部标定或面部表情识别。近期，在 ChaLearn 第一印象赛中获得第三名，测试准确率为 0.9109。

    Sep, 2016

  • 关于从视听信号中观察出的受试者偏见对表层人格分析的影响

    本文研究了各种影响人格认知的可能偏见源，包括面部表情情绪、吸引力、年龄、性别和种族，以及它们对表观人格估计的影响。使用多模态深度神经网络，综合音频和视觉信息，以及特定属性模型的预测来回归表观人格，并在 ChaLearn First Impressions 数据集上展示了最新的结果。此外，还提供了一种可解释性的网络设计，对每种可能的偏见源对最终网络预测的影响进行了增量分析。

    Sep, 2019

  • 研究音频、视觉和文本融合方法，实现端到端的自动人格预测

    通过音频、文字和视频数据，采用多模态融合的方法，使用卷积神经网络预测大五人格特质分数，证明复杂交互能建立更好的模型与预测，该模型可用于提高虚拟代理的情商。

    May, 2018

  • 通过跨模态嵌入增强明显人格特征分析

    用深度神经网络进行多模态的自动个性化特征评估，以提高人机交互的质量。

    May, 2024

  • 第一印象：基于视觉的明显人格特征分析调查

    本篇论文系统总结了基于视觉计算的表观性格特征识别的现有方法，讨论比较了这些方法的独特特点和限制；同时也讨论了该领域未来的研究方向和数据标注 / 评估的主观性问题，还简要回顾了当前数据集和挑战。

    Apr, 2018

  • 利用深度学习预测第一印象

    本文介绍了一种基于卷积神经网络的回归框架，可用于训练社交属性分配的预测模型，该模型可以对人群的行为进行量化，应用于描述人脸的视觉属性和情感计算领域。

    Oct, 2016

  • 从语言行为出发的人格检测：一个 Transformer 结合了心理语言学特征文字轮廓

    本文介绍基于语言使用进行人格预测的交叉性研究，报道了用于文本数据的最全面的心理语言学特征和混合模型的两个主要改进，实验结果表明，这些模型优于同一数据集上的现有工作，并通过对心理语言学特征的不同类别进行消融实验来量化其影响。

    Apr, 2022

  • PsyAttention: 个性检测的心理关注模型

    该论文介绍了一种用于个性检测的心理关注模型（PsyAttention），它能够有效编码心理特征，将特征数量减少了 85％。在对 BigFive 和 MBTI 模型进行的实验中，PsyAttention 的平均准确率分别为 65.66％和 86.30％，表现优于现有方法，表明它在编码心理特征方面是有效的。

    Dec, 2023

  • 利用基于机器学习的模型进行个性识别

    本文提出一种基于深度学习的方法，结合了卷积神经网络和 AdaBoost 算法对人格进行自动识别，并在 Essay 数据集上得到了比机器学习和深度学习方法更优的实验结果。

    Jan, 2022

  • 使用 ECG 频谱图和深度学习进行人格特征识别

    该研究采用深度学习方法应用于心电图信号，以创新的方式识别个性特征，通过检测包括外向性、神经质、宜人性、责任心和开放性的五大人格特质模型，探索了心电图衍生的频谱图作为信息特征的潜力，并采用 Resnet-18 和视觉转换器 (ViT) 进行特征提取和个性特征分类，结果表明 ECG 信号频谱图作为一个有价值的个性特征识别模态具有可行性，Resnet-18 在识别不同个性特征方面展现出有效性。

    Feb, 2024