Dieses Dokument ist auf Arxiv unter der CC 4.0-Lizenz verfügbar.   Autoren:  (1) Zhihang Ren, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: peter.zhren@berkeley.edu);  (2) Jefferson Ortega, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: jefferson_ortega@berkeley.edu);  (3) Yifan Wang, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: wyf020803@berkeley.edu);  (4) Zhimin Chen, University of California, Berkeley (E-Mail: zhimin@berkeley.edu);  (5) Yunhui Guo, University of Texas at Dallas (E-Mail: yunhui.guo@utdallas.edu);  (6) Stella X. Yu, University of California, Berkeley und University of Michigan, Ann Arbor (E-Mail: stellayu@umich.edu);  (7) David Whitney, University of California, Berkeley (E-Mail: dwhitney@berkeley.edu).  Linktabelle   Zusammenfassung und Einleitung   Verwandter Wok   VEATIC-Datensatz   Experimente   Diskussion   Abschluss   Mehr über Stimuli   Anmerkungsdetails   Ausreißerverarbeitung   Themenübereinstimmung für alle Videos   Vertrautheits- und Unterhaltungswertungen sowie Referenzen  5. Diskussion  Das Verständnis, wie Menschen die Emotionen anderer ableiten, ist für Forscher von entscheidender Bedeutung, um soziale Kognition zu verstehen. Während Psychophysiker Experimente durchführen, benötigen sie spezifische Reizsätze, um Experimente zu entwerfen. Unter den veröffentlichten Datensätzen gibt es derzeit jedoch keinen kontextbasierten Videodatensatz, der kontinuierliche Valenz- und Erregungsbewertungen enthält. Das Fehlen dieser Art von Datensätzen hindert Forscher auch daran, Computer-Vision-Algorithmen für die entsprechenden Aufgaben zu entwickeln. Unser vorgeschlagener VEATIC-Datensatz füllt diese wichtige Lücke im Bereich der Computer-Vision und wird für psychophysische Studien zum Verständnis der Emotionserkennung von Nutzen sein.  Während der Datenerfassung verfolgten und bewerteten die Teilnehmer kontinuierlich die Emotionen der Zielfiguren in den Videoclips, was sich von allgemeinen psychophysischen Experimenten unterscheidet, bei denen die Antworten erst mit Verzögerung erfasst werden. Dieses Design in unserem Datensatz war entscheidend, um die Echtzeit-Emotionsverarbeitung nachzuahmen, die stattfindet, wenn Menschen Emotionen in ihrem Alltag verarbeiten. Darüber hinaus ist die Emotionsverarbeitung kein unmittelbarer Prozess und beruht stark auf der zeitlichen Ansammlung von Informationen im Laufe der Zeit, um genaue Rückschlüsse auf die Emotionen anderer ziehen zu können.  Die Stärke des VEATIC-Datensatzes besteht darin, dass er nachahmt, wie Menschen Emotionen in der realen Welt wahrnehmen: kontinuierlich und in Gegenwart kontextbezogener Informationen sowohl im zeitlichen als auch im räumlichen Bereich. Ein derart umfangreicher Datensatz ist für zukünftige Computer-Vision-Modelle von entscheidender Bedeutung und kann die Grenzen dessen erweitern, was aktuelle Modelle leisten können. Mit der Erstellung umfangreicherer Datensätze wie VEATIC könnte es für zukünftige Computer-Vision-Modelle möglich sein, Emotionen in Echtzeit wahrzunehmen, während sie mit Menschen interagieren.  Dieses Dokument ist   . auf Arxiv unter der CC 4.0-Lizenz verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Make resilience your competitive advantage

VEATIC: Videobasiertes Emotions- und Affekt-Tracking im Kontextdatensatz: Diskussion

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps