应用于新型标注游戏数据集的基于机器学习的测谎仪
计算机视觉与模式识别
2021-07-01 v2 人机交互
摘要
鉴于谎言检测对人类日常交往的影响，每个人都将其视为关切之事。因此，人们通常会同时注意对话者所说的内容及其视觉外观（包括面部），试图寻找任何表明对方是否在说真话的迹象。尽管自动谎言检测可能有助于我们理解这些说谎特征，但现有系统仍相当有限，部分原因是缺乏适当的数据集以在真实场景中评估其性能。在本工作中，我们收集了一个标注的面部图像数据集，包含牌类游戏中若干参与者在鼓励说谎时的2D与3D信息。利用所收集的数据集，我们从泛化、特定人物和跨域实验等方面评估了多种基于机器学习的测谎仪。结果表明，基于深度学习的模型取得了最佳准确率，在泛化任务中达57%，在处理单一参与者时达63%。最后，我们也强调了基于深度学习的测谎仪在处理跨域谎言检测任务时的局限性。
引用
@article{arxiv.2104.12345,
title = {Machine Learning-based Lie Detector applied to a Novel Annotated Game Dataset},
author = {Nuria Rodriguez-Diaz and Decky Aspandi and Federico Sukno and Xavier Binefa},
journal= {arXiv preprint arXiv:2104.12345},
year = {2021}
}