SGED：用于脉冲手势情感识别性能评估的基准数据集
计算机视觉与模式识别
2023-05-01 v1
摘要
在情感计算领域，社区中的研究者已利用多模态信息的互补性提升了模型与算法的性能。然而，越来越多模态信息的出现使得数据集的发展跟不上现有模态感知设备的进展。收集与研究多模态数据是一项复杂而有意义的工作。为补充社区数据部分缺失的挑战，我们基于现有数据集的分析收集并标注了一个新的同质多模态手势情感识别数据集。该数据集弥补了同质多模态数据的缺陷，并为情感识别提供了新研究方向。此外，我们基于该数据集提出了一种伪双流网络，并验证了该数据集在情感计算社区中的应用潜力。实验结果表明，利用基于同质多模态数据的传统视觉信息与脉冲视觉信息进行视觉情感识别是可行的。数据集可在 \url{https://github.com/201528014227051/SGED} 获取。
引用
@article{arxiv.2304.14714,
title = {SGED: A Benchmark dataset for Performance Evaluation of Spiking Gesture Emotion Recognition},
author = {Binqiang Wang and Gang Dong and Yaqian Zhao and Rengang Li and Lu Cao and Lihua Lu},
journal= {arXiv preprint arXiv:2304.14714},
year = {2023}
}