情感图像内容分析：二十年综述与新视角
计算机视觉与模式识别
2021-07-01 v1 人工智能
多媒体
摘要
图像能够传达丰富的语义并引发观看者的多种情绪。近来，随着情感智能的快速发展和视觉数据的爆发式增长，大量研究工作致力于情感图像内容分析（AICA）。本综述将全面回顾近二十年来 AICA 的发展，尤其关注针对三大主要挑战——情感鸿沟、感知主观性以及标签噪声与缺失——的最先进方法。我们首先介绍 AICA 中广泛采用的关键情绪表征模型，并描述可用数据集，通过定量比较标签噪声与数据集偏倚来进行评估。随后我们总结并比较以下方面的代表性方法：（1）情绪特征提取，包括手工特征和深度特征；（2）主导情绪识别、个性化情绪预测、情绪分布学习以及从噪声数据或少标签数据中学习的学习方法；（3）基于 AICA 的应用。最后，我们讨论未来的一些挑战和有前景的研究方向，如图像内容与上下文理解、群体情绪聚类和观看者-图像交互。
引用
@article{arxiv.2106.16125,
title = {Affective Image Content Analysis: Two Decades Review and New Perspectives},
author = {Sicheng Zhao and Xingxu Yao and Jufeng Yang and Guoli Jia and Guiguang Ding and Tat-Seng Chua and Björn W. Schuller and Kurt Keutzer},
journal= {arXiv preprint arXiv:2106.16125},
year = {2021}
}
备注
Accepted by IEEE TPAMI