CAKE：紧凑且精确的 K 维情绪表示
人工智能
2019-04-22 v2 计算机视觉与模式识别
神经与进化计算
摘要
心理学界已构建了许多描述人类情绪状态的模型。同时，深度神经网络（DNN）正取得优异性能，并成为许多计算机视觉任务中引人关注的特征提取工具。受心理学界工作启发，我们首先研究了计算机视觉界所用的紧凑二维情绪表示（称为唤醒-效价）与离散情绪类别（如愤怒、高兴、悲伤等）之间的联系。这得以从离散情绪推断的角度评估向唤醒-效价（通常称为优势度）添加额外维度的益处。基于这些观察，我们提出CAKE，一种以多域方式学习的3维情绪表示，在多个公开数据集上实现了准确的情绪识别。此外，我们可视化了DNN表示中情绪边界的组织方式，并表明DNN正在隐式地学习类唤醒-效价的情绪描述。最后，我们使用CAKE表示比较不同公开数据集标注的质量。
引用
@article{arxiv.1807.11215,
title = {CAKE: Compact and Accurate K-dimensional representation of Emotion},
author = {Corentin Kervadec and Valentin Vielzeuf and Stéphane Pateux and Alexis Lechervy and Frédéric Jurie},
journal= {arXiv preprint arXiv:1807.11215},
year = {2019}
}