May, 2020

自然对话中连续情感识别的多模态传感器数据集 K-EmoCon

PDF
TL;DR本文介绍了 K-EmoCon 数据集，该数据集支持从多个角度评估社交互动中的持续情感，并包括音频 / 视觉记录、EEG 和外围生理信号等多模态测量。
emotion recognitionnaturalistic datamulti-modal datasetsocial interactionsk-emocon
发现论文，激发创造
  • EmotiCon: 利用弗雷格原则的上下文感知多模态情绪识别

    EmotiCon 是一个基于学习的算法，用于从视频和图片中识别上下文感知的人类情感。该算法利用多种模态，自注意力卷积神经网络以及深度图模型识别情感，提高了对 EMOTIC 和 GroupWalk 数据集中情感进行识别的准确率。

    Mar, 2020

  • 基于语境的情感识别：使用 EMOTIC 数据集

    本研究提出一个多元感情图像数据集 EMOTIC，并通过 bounding box 、场景语境等方法训练多种卷积神经网络模型，结果表明场景语境对自动识别情感状态提供了重要信息，为情感识别领域的研究提供了新思路。

    Mar, 2020

  • OMG-Emotion 行为数据集

    本文介绍了我们提出的多模态心情表达数据集，其中使用分层注释策略进行情感表达识别。使用自然连续的方式对 YouTube 视频进行收集，以构建一个公平标准的深度和递归神经模型实验协议。

    Mar, 2018

  • 在自然环境中情感识别的图像数据集：FindingEmo

    我们引入了 FindingEmo，一个新的图像数据集，包含对 2.5 万张图片的注释，专门用于情绪识别。与现有数据集相反，它专注于描绘多个人物在各种自然、社交环境中的复杂场景，注释是整体进行的，超越了传统对人脸或单个人的关注。注释的维度包括情感价值、情感激动和情绪标签，使用 Prolific 收集注释。除了注释，我们还发布了指向原始图片的 URL 列表，以及所有相关的源代码。

    Feb, 2024

  • EmoNets: 多模深度学习方法用于视频情感识别

    本研究使用深度学习技术，以多模态方式，使用面部检测、音频流等模态，探索影片情感识别模型，成果在 2013 年的 EmotiW 挑战中成为获胜者，并在 2014 年的数据集上实现了约 47.67% 的准确率。

    Mar, 2015

  • EmoInHindi：一份多标签带有情感和强度注释的印地语数据集，用于对话情感识别

    本研究创建了一个巨大的印地语对话数据集 EmoInHindi，用于多标签情感和强度识别。研究着重于表达和识别上下文语境中的情感。

    May, 2022

  • MELD：情感识别对话中的多模态多方数据集

    提出了一个多模态的语音情感对话数据集 MELD，包含超过两个演讲者的大规模多模态多方情感对话，并且证明了情境和多模态信息对会话中的情感识别的重要性。

    Oct, 2018

  • 真实客户服务呼叫中心对话中的端到端连续语音情感识别

    我们提出了一种大规模真实生活数据集（CusEmo）的构建方法，该数据集用于评估客户服务呼叫中心对话中情感的连续识别。该研究还解决了将端到端（E2E）情感识别系统应用于数据集时遇到的挑战，包括确定适当的标签采样率和输入段长度，以及使用多任务学习将情境信息（对话者的性别和共情水平）与不同权重的整合。实验结果表明，加入共情水平信息可以提高模型的性能。

    Oct, 2023

  • MEDIC：心理咨询中的多模态共情数据集

    本文构建了一个多模态共情数据集，并提出了三类标签来描述心理治疗师与客户之间的共情程度，同时使用了三种典型方法来预测共情。

    May, 2023

  • GoEmotions：一份包含细致情绪的数据集

    介绍了 GoEmotions，这是目前最大的手动标注的数据集之一，其中包含 58k 英文 Reddit 评论，并将其标记为 27 种情感类别或中性。通过传递学习实验，证明了该数据集具有良好的泛化性能，BERT-based 情感检测模型取得了.46 的平均 F1 分数。

    May, 2020