Aug, 2018

ARBEE: 自动识别野外身体表情情绪的探索

PDF
TL;DR本研究提出了一种可扩展可靠的众包方法，用于收集自然状态下的人类身体语言数据，建立了一个大型数据集并通过统计分析揭示了许多有趣的想法。通过使用 Laban Movement Analysis 等特征，我们开发并评估了一个名为 ARBEE 的系统，该系统能够基于身体动作识别情感表达。
bodily expressionscrowdsourcing approachbody language datasetarbeelaban movement analysis
发现论文，激发创造
  • 通过整合拉班动作分析实现身体表达的情感理解

    通过人体运动分析和人体运动元素数据集，实现对身体语言中情感和心理状态的自动理解与分析.

    Apr, 2023

  • 面向社交机器人的数据驱动情感身体语言生成

    采用深度学习生成模型来生成机器人情感表情，通过几个手动设计的机器人身体表达生成一个新的符合上下文感知的表达。评估结果表明，生成的表情与手动设计的表情没有显著差异，且能达到不同目标情绪的效果。

    May, 2022

  • 情感身体手势识别调查

    本文调研了自动情感识别领域中人体动作的情感表达。提出了完整的框架，包括人体检测、姿态估计、情感识别等组成部分。并讨论了多模态情感表达识别的方法。

    Jan, 2018

  • BEE-NET：识别野外身体表达情感的深度神经网络

    本研究探讨了环境因素，特别是场景和物体如何通过身体语言影响情绪表达。为此，我们引入了一种名为 BEE-NET 的新型多流深度卷积神经网络，并提出了一种新的后期融合策略，在学习过程中将场所和物体的元信息作为先验知识纳入考虑。实验结果表明，我们的深度模型在情感识别领域取得了显著的突破，超过了当前最先进的技术，情绪识别得分达到了 66.33%。

    Feb, 2024

  • 社交互动中的身体行为：新的注释和最新评估

    本文介绍了 BBSI 的方法和结果，BBSI 是对连续社交互动中复杂身体行为的第一个注释集，其包含了 15 个不同的身体语言类别，并采用四个空间 - 时间特征变体作为 PDAN 的输入来自动检测这些行为，结果表明这是一个困难的任务，但有很大改进的空间。

    Jul, 2022

  • 从活动识别的角度进行情绪识别

    通过探索深度学习体系结构在持续情感识别方面的应用，我们提出了一种新颖的三流端到端深度学习回归流程，其中包含一个注意力机制，该机制是基于多个最先进的动作识别系统的子模块的一种组合设计。定量分析表明，所提出的模型优于情感识别和动作识别模型的多个标准基线。

    Mar, 2024

  • 第六届 ABAW 比赛中的 HSEmotion 团队：面部表情、情绪价值 - 唤醒度和情绪强度预测

    本论文介绍了利用预训练的深度模型在静态照片上提取可靠情感特征的可能性，并通过多任务场景中的轻量级模型来识别面部表情、价值和唤起。实验结果表明，与现有的非集成技术相比，我们的方法显著提高了验证集上的质量指标。

    Mar, 2024

  • ABBE 语料库：有情感的动物

    提供了一个新的英文小说语料库 - ABBE corpus，它包含来自 134513 个单词的 30 个章节，其中包含了 2010 个唯一的动物表达的情感表达式，用于模拟和理解表达的情感，并根据 Plutchik 的 8 类情感模型对其进行了分类，并且在注释方面具有很高的互评一致性。

    Jan, 2022

  • 将身体姿势和面部表情融合，联合识别儿童机器人交互中的情感

    本文探讨了多线索情感识别的问题，提出了一种利用身体表情与面部表情进行情感自动识别的方法，并在儿童机器人交互数据库和成年人 acted 情感数据库上评估了其效果。

    Jan, 2019

  • 通过分离三维表情与身份来实现野外实时面部表情识别

    本研究提出了一种基于深度学习和面部视频数据的情感检测方法，使用 Convolutional Neural Network 训练一个能够估计三维表情模型参数的模型，并结合情感分类器，能够高效准确地从动态图像中识别面部表情，且在基本情感和压力情感的识别任务中超过了其他方法。

    May, 2020