聚焦变化：通过时空注意力学习情绪变化进行心境预测
人机交互
2023-03-14 v1
摘要
尽管情绪（emotion）与心境（mood）常被互换使用，但二者在持续时间、强度和属性上存在差异。即便多项心理学研究考察了心境与情绪的关系，心境预测却几乎未被探讨。近期机器学习进展（如聚焦于输入数据显著部分的注意力机制）仅被用于推断情绪而非心境。我们通过结合心境与情绪变化信息来进行心境预测。此外，我们探索了空间与时间注意力，以及空间和时间注意力模块的并行/串行排列，以提升心境预测性能。为检验所提方法的泛化性，我们在 AFEW 数据集上训练模型并用 EMMA 进行评估。实验表明：(a) 情绪变化信息本质上有利于心境预测；(b) 融合串行与并行时空注意力模块可提升预测性能。
引用
@article{arxiv.2303.06632,
title = {Focus on Change: Mood Prediction by Learning Emotion Changes via Spatio-Temporal Attention},
author = {Soujanya Narayana and Ramanathan Subramanian and Ibrahim Radwan and Roland Goecke},
journal= {arXiv preprint arXiv:2303.06632},
year = {2023}
}