通过半义象导向的数据集构建提升视觉情感分析
计算机视觉与模式识别
2025-12-17 v1
摘要
视觉情感分析（VSA）因情感显著图像的广泛多样性以及获取足够数据以全面捕获这种变异性的天然困难而备受挑战。关键挑战包括构建大规模 VSA 数据集和开发有效的方法以使算法能够识别图像中情感显著元素的组合。这些挑战导致 VSA 算法在不同数据集上训练和测试时的泛化性能有限。从现有数据集合中启动，我们的方法实现了新的更大数据集的创建，不仅包含比原始数据更广泛的图像范围，还允许训练具有更强情感相关元素聚焦能力的新模型。这通过将半义象概念集成到数据集创建过程中实现，为图像情感内容提供更深入的洞察。经验评估表明，基于我们方法生成的数据集训练的模型在所有主要 VSA 基准测试中均表现出优于原始数据集合训练的模型，实现了卓越的跨数据集泛化。
引用
@article{arxiv.2512.14665,
title = {Enhancing Visual Sentiment Analysis via Semiotic Isotopy-Guided Dataset Construction},
author = {Marco Blanchini and Giovanna Maria Dimitri and Benedetta Tondi and Tarcisio Lancioni and Mauro Barni},
journal= {arXiv preprint arXiv:2512.14665},
year = {2025}
}