情绪的诸多情态
神经与进化计算
2018-11-01 v1 人工智能
计算机视觉与模式识别
摘要
本文提出了一种解决面部表情生成问题的新方法。基于心理学界关于情绪本质上是连续的这一假设，我们首先设计了自己的连续情绪表示，其为一个三维潜在空间，该空间来自在离散情绪分类上训练的神经网络。如此获得的表示可用于标注大型真实场景数据集，并随后用于训练生成对抗网络(GAN)。我们首先表明，与通常的离散方法相比，我们的模型能够以客观上和主观上更优的图像质量映射回离散情绪类别。而且我们能够铺展更大可能的面部表情空间，生成情绪的诸多情态。此外，该空间中的两个轴可被发现生成与传统连续表示(如唤醒-效价)相似的表情变化。最后我们从视觉解释表明，剩余的第三维与心理学中著名的优势维度高度相关。
引用
@article{arxiv.1810.13197,
title = {The Many Moods of Emotion},
author = {Valentin Vielzeuf and Corentin Kervadec and Stéphane Pateux and Frédéric Jurie},
journal= {arXiv preprint arXiv:1810.13197},
year = {2018}
}