一种情感计算驱动的体验质量（QoE）预测新方法
计算机视觉与模式识别
2023-11-07 v1 人工智能
人机交互
多媒体
摘要
在人际交互中，情绪识别至关重要。因此，用于自动情绪识别的计算机视觉方法目前被广泛研究。处理多通道脑电图（EEG）信息是自动情绪识别中最受研究的方法之一。本文提出一种情感计算驱动的体验质量（QoE）预测新模型。为验证所提模型，使用了一个公开可用数据集。该数据集包含 EEG、ECG 和呼吸数据，聚焦于多媒体 QoE 评估场景。保留 EEG 数据，以其计算差分熵与功率谱密度，观测窗口为三秒。提取这两个特征以训练若干深度学习模型，探究以五个不同因子预测 QoE 的可能性。比较这些模型的性能，并优化最佳模型以改善结果。基于 LSTM 的模型取得了最佳结果，F1 分数从 68% 到 78%。对模型及其特征的分析表明，Delta 频带最不必要，两个电极具有更高重要性，而另两个电极对模型性能影响极低。
引用
@article{arxiv.2311.02647,
title = {New Approach for an Affective Computing-Driven Quality of Experience (QoE) Prediction},
author = {Joshua Bègue and Mohamed Aymen Labiod and Abdelhamid Melloulk},
journal= {arXiv preprint arXiv:2311.02647},
year = {2023}
}