EmoSpace：面向沉浸式情感内容生成的细粒度情感原型学习
计算机视觉与模式识别
2026-02-13 v1
摘要
情感对于创建引人入目的数据包至关重要。尽管一些生成方法已被应用于降低创建情感丰富内容的门槛，但它们未能捕捉细微的情感语义以及沉浸式体验所必需的细粒度控制。为此，我们提出EmoSpace，一种基于情感感知的内容生成框架，通过视觉语言对齐学习动态、可解释的情感原型。我们采用分层情感表示，包含丰富可学习的原型，这些原型在训练期间会演化，从而实现无需显式情感标签即可进行细粒度情感控制。我们开发了包含多原型引导、时间混合和注意力重加权的可控生成管道，支持包括情感图像外插、风格化生成以及情感全景生成等多样应用。我们的实验表明，EmoSpace在定性和定量评估中均优于现有方法。此外，我们还进行了全面的用户研究，探讨了VR环境相对于桌面设置对情感感知的影响。我们的工作促进了具备细粒度情感控制的沉浸式视觉内容生成，支持治疗、教育、叙事、艺术创作和文化保存等应用。代码和模型将公开发布。
引用
@article{arxiv.2602.11658,
title = {EmoSpace: Fine-Grained Emotion Prototype Learning for Immersive Affective Content Generation},
author = {Bingyuan Wang and Xingbei Chen and Zongyang Qiu and Linping Yuan and Zeyu Wang},
journal= {arXiv preprint arXiv:2602.11658},
year = {2026}
}