面向人类情感识别的生成技术：范围综述

情感计算处于人工智能（AI）的前沿，旨在赋予机器理解和响应人类情感的能力。该领域的核心是情感识别，即通过不同模态（如语音、面部图像、文本和生理信号）识别和解释人类情感状态。近年来，重要进展在生成模型方面取得，包括自编码器、生成对抗网络、扩散模型和大型语言模型。这些模型凭借强大的数据生成能力，成为推进情感识别的关键工具。然而，迄今为止，仍缺乏对生成技术用于情感识别的系统性综述工作。本次综述旨在通过对320余篇研究论文（截至2024年6月）的全面分析，弥补现有文献之间的空白。具体而言，本次综述首先介绍不同生成模型的数学原理和常用数据集。随后，基于分类框架，对如何基于不同模态（包括数据增强、特征提取、半监督学习、跨域等）应用生成技术解决情感识别问题进行深入分析。最后，综述将阐述未来研究方向，强调生成模型在推动情感识别领域发展、提升AI系统情感智能方面的潜力。