EVA-MED：面向情感识别的增强效价-唤醒度多模态情感数据集
人机交互
2025-03-24 v1
摘要
我们提出了一种新型多模态情感识别数据集，在考虑个体差异的同时提升了效价-唤醒度模型的精度。该数据集包含来自64名参与者的脑电图（EEG）、心电图（ECG）和脉搏间隔（PI）数据。数据采集采用了两种情绪诱发范式：针对不同效价水平（积极、中性和消极）的视频刺激，以及曼海姆多组分压力测试（MMST），该测试通过认知、情绪和社会压力源诱发高唤醒度。为丰富数据集，使用经过验证的问卷评估了参与者的人格特质、焦虑、抑郁和情绪状态。通过捕捉广泛的情感反应并考虑个体差异，该数据集为精确的情感建模提供了可靠的资源。多模态生理数据与心理评估的整合为个性化情感识别奠定了坚实基础。我们预计这一资源将支持在多样化应用中开发更准确、自适应和个性化的情感识别系统。
引用
@article{arxiv.2503.16584,
title = {EVA-MED: An Enhanced Valence-Arousal Multimodal Emotion Dataset for Emotion Recognition},
author = {Xin Huang and Shiyao Zhu and Ziyu Wang and Yaping He and Hao Jin and Zhengkui Liu},
journal= {arXiv preprint arXiv:2503.16584},
year = {2025}
}
备注
10 pages, 6figures, 1table