この論文はCC 4.0ライセンスの下でarxivで公開されています。 著者:  （１）カリフォルニア大学バークレー校のZhihang Renとこれらの著者らは本研究に等しく貢献した（電子メール：peter.zhren@berkeley.edu）。  （２）ジェファーソン・オルテガ、カリフォルニア大学バークレー校およびこれらの著者らは、本研究に等しく貢献した（電子メール：jefferson_ortega@berkeley.edu）。  （３）Yifan Wang、カリフォルニア大学バークレー校およびこれらの著者らは、本研究に等しく貢献した（Eメール：wyf020803@berkeley.edu）。  （4）カリフォルニア大学バークレー校のZhimin Chen氏（Eメール：zhimin@berkeley.edu）  （５）ユンフイ・グオ、テキサス大学ダラス校（Eメール：yunhui.guo@utdallas.edu）  （6）ステラ・X・ユー、カリフォルニア大学バークレー校およびミシガン大学アナーバー校（Eメール：stellayu@umich.edu）  （7）デイビッド・ホイットニー、カリフォルニア大学バークレー校（Eメール：dwhitney@berkeley.edu）。 リンク一覧 概要と序文 関連中華鍋 VEATIC データセット 実験 議論 結論 刺激についての詳細 注釈の詳細 外れ値処理 動画間の主題の一致 親しみやすさと楽しさの評価と参考文献 5. 議論 人間が他人の感情を推測する方法を理解することは、研究者が社会的認知を理解する上で不可欠です。心理物理学者は実験を行いますが、実験を設計するために特定の刺激セットが必要です。しかし、公開されているデータセットの中には、連続的な感情価と覚醒度の評価を含むコンテキストベースのビデオデータセットは現在ありません。この種のデータセットが不足しているため、研究者は対応するタスク用のコンピュータービジョンアルゴリズムを開発できません。私たちが提案する VEATIC データセットは、コンピュータービジョンの分野におけるこの重要なギャップを埋め、感情認識を理解するための心理物理学的研究に役立つでしょう。D データ収集中、参加者はビデオクリップ内のターゲットキャラクターの感情を継続的に追跡し、評価しました。これは、応答が遅れて収集される一般的な心理物理学的実験とは異なります。データセットのこの設計は、人間が日常生活で感情を処理するときに発生するリアルタイムの感情処理を模倣するために不可欠でした。さらに、感情処理は即時のプロセスではなく、他の人の感情について正確な推論を行うために、時間の経過に伴う情報の蓄積に大きく依存しています。  VEATIC データセットの強みは、人間が現実世界で感情を認識する方法を模倣していることです。つまり、時間領域と空間領域の両方で継続的に、コンテキスト情報が存在する状態で感情を認識することです。このような豊富なデータセットは、将来のコンピューター ビジョン モデルにとって不可欠であり、現在のモデルが達成できる限界を押し広げることができます。VEATIC のようなより豊富なデータセットが作成されると、将来のコンピューター ビジョン モデルは、人間と対話しながらリアルタイムで感情を認識できるようになるかもしれません。 この論文はCC 4.0ライセンスの下で 。 arxivで公開されています

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

Kinetopgraph.TECH

Read My Stories

kinetograph

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Boost your HackerNoon story @ $159.99! 🚀

VEATIC: コンテキストデータセットにおけるビデオベースの感情と感情の追跡: ディスカッション

About Author

コメント

ラベル

この記事は

Related Stories

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

暗号通貨の成長: 効果的なユーザーペルソナの作成

Telegram: クリプト島と本土を結ぶ橋

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

暗号通貨の成長: 効果的なユーザーペルソナの作成

Telegram: クリプト島と本土を結ぶ橋

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps