基于时空注意力的HRI-AVC数据集情绪估计
人机交互
2023-10-20 v1
摘要
已有许多尝试来估计离散情绪（平静、焦虑、无聊、惊讶、愤怒）以及心理学中常用的连续情绪度量，即“效价”(valence，所显示情绪的愉悦度)与“唤醒度”(arousal，所显示情绪的强度)。现有的唤醒度与效价估计方法依赖于从数据集中学习，其中由专家标注者逐图像帧标注。专家标注者并非总可获取，且标注也可能繁琐。因此在实时人机协作环境中直接从人类获取自报告唤醒度与效价值更为实用。故此本文提供了一个在执行人机交互(HRI)任务时获得的情绪数据集(HRI-AVC)。该数据集中的自报告标签对关联于一组图像帧。本文还提出一种基于空间与时间注意力的网络，从这组图像帧估计唤醒度与效价。结果表明，即使在每帧无可用唤醒度与效价值时，基于注意力的网络也能在HRI-AVC数据集上估计效价与唤醒度。
引用
@article{arxiv.2310.12887,
title = {Spatial and Temporal Attention-based emotion estimation on HRI-AVC dataset},
author = {Karthik Subramanian and Saurav Singh and Justin Namba and Jamison Heard and Christopher Kanan and Ferat Sahin},
journal= {arXiv preprint arXiv:2310.12887},
year = {2023}
}