计算社会动力学:群体中面部层级交互的分析
社会与信息网络
2018-07-18 v1
摘要
交互同步性是指对话中两个或更多人的言语或行为彼此变得更加精细同步,并且他们几乎看似直接相互回应。研究表明,交互同步性是关系的标志,并由融洽关系所产生。在本文中,我们使用基于计算机视觉的方法提取非语言线索,特别是来自面部的线索,并基于这些线索建立测量交互同步性的模型。本文阐述了一种构建动态深度神经架构的新方法,该架构特别由中间长短期记忆网络(LSTMs)组成,通过模拟多个过程之间的非线性依赖关系,可用于学习和预测它们之间的同步程度。在一个合成数据集上,成对的序列由具有已知协变量的高斯过程生成,该架构在 100 对交互信号上测试时,能以 0.5% 的误差成功确定生成过程的协方差值。在一个涉及三人组的真实数据集上,该模型在 1 到 5 的量表上成功估计了每组同步的程度,在执行 5 折验证时总体预测平均误差为 ,而作为对照基线的随机排列误差为 26.1%。
引用
@article{arxiv.1807.06124,
title = {Computational Social Dynamics: Analyzing the Face-level Interactions in a Group},
author = {Nicholas Watkins and Ifeoma Nwogu},
journal= {arXiv preprint arXiv:1807.06124},
year = {2018}
}