用于情感分析的量化面部时间表达动态
计算机视觉与模式识别
2020-10-29 v1
摘要
视觉情感数据（例如面部图像）的量化对于高效构建和监测自动情感建模系统至关重要。考虑到这一点，本工作提出了量化的面部时间表达动态 (TED) 来量化人类面部的表达能力。所提出的算法通过结合静态和动态信息来利用多模态面部特征，从而实现对面部表达能力的准确测量。我们表明，TED 可用于高级任务，例如非结构化视觉数据的摘要生成，以及对自动情感识别模型的期望和解释。为了评估使用 TED 的积极影响，我们在 UNBC-McMaster 自发性肩部疼痛数据集上对自发性疼痛进行了案例研究。实验结果表明了使用 TED 进行量化情感分析的有效性。
引用
@article{arxiv.2010.14705,
title = {Quantified Facial Temporal-Expressiveness Dynamics for Affect Analysis},
author = {Md Taufeeq Uddin and Shaun Canavan},
journal= {arXiv preprint arXiv:2010.14705},
year = {2020}
}
备注
25th International Conference on Pattern Recognition (ICPR2020)