野外情感识别的表征重访
计算机视觉与模式识别
2026-02-09 v1 人机交互
机器学习
摘要
面部情感识别通常被视为六种原型情感中一种的单标签分类问题。这一做法简化过度，不适用于代表自发情感状态的多层面本质，这些情感状态通常是由多个情感在不同强度下贡献的结果。基于此，最近探索的一个有前景的方向是将情感识别建模为分布学习问题。然而，这类方法受限于研究数据集通常以单一情感类别进行标注。在本文中，我们贡献了一个新方法，用概率分布描述复杂情感状态，分布覆盖情感类别集合。为此，我们提出了解决方案，通过利用一项研究结果，该研究将大量基本情感和复合情感映射到价值- arousal-支配(VAD)空间的概率分布中。这样，给定一张标注了VAD值的面部图像，我们可以估计其属于每个分布的可能性，从而将情感状态描述为情感的混合，丰富其描述，同时也考虑其感知的模糊性。在一组初步实验中，我们展示了该解决方案的优势及其可能的新调查方向。数据标注可在 https://github.com/jbcnrlz/affectnet-b-annotation 获取。
关键词
引用
@article{arxiv.2602.06778,
title = {Revisiting Emotions Representation for Recognition in the Wild},
author = {Joao Baptista Cardia Neto and Claudio Ferrari and Stefano Berretti},
journal= {arXiv preprint arXiv:2602.06778},
year = {2026}
}