面向连续情感识别的标注共识学习
人机交互
2025-05-28 v1 计算机视觉与模式识别
摘要
在情感计算中，数据集通常包含来自不同标注者的多个标注，这些标注可能缺乏完全一致。通常，这些标注会被合并为单一的金标准标签，这可能会丢失有价值的评分者间变异性。我们提出了一种用于连续情感识别（CER）的多标注者训练方法，该方法寻求所有标注者之间的共识，而不是依赖于单一的参考标签。我们的方法采用共识网络将标注聚合为统一的表示，引导主唤醒度-效价预测器更好地反映集体输入。在 RECOLA 和 COGNIMUSE 数据集上的测试表明，我们的方法优于将标注统一为单一标签的传统方法。这凸显了在情感识别中充分利用多标注者数据的益处，并突显了其在标注丰富但不一致的各个领域中的适用性。
引用
@article{arxiv.2505.21196,
title = {Learning Annotation Consensus for Continuous Emotion Recognition},
author = {Ibrahim Shoer and Engin Erzin},
journal= {arXiv preprint arXiv:2505.21196},
year = {2025}
}