情感计算与理解研究发展概述

论文链接：http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20220614&flag=1

情感在感知、决策、逻辑推理和社交等一系列智能活动中起到核心作用,是实现人机交互和机器智能的 重要元素。 近年来,随着多媒体数据爆发式增长及人工智能的快速发展,情感计算与理解引发了广泛关注。 情感 计算与理解旨在赋予计算机系统识别、理解、表达和适应人的情感的能力来建立和谐人机环境,并使计算机具有更 高、更全面的智能。 根据输入信号的不同,情感计算与理解包含不同的研究方向。  本文全面回顾了多模态情感识 别、孤独症情感识别、情感图像内容分析以及面部表情识别等不同情感计算与理解方向在过去几十年的研究进展 并对未来的发展趋势进行展望。 对于每个研究方向,首先介绍了研究背景、问题定义和研究意义;其次从不同角度 分别介绍了国际和国内研究现状,包括情感数据标注、特征提取、学习算法、部分代表性方法的性能比较和分析以 及代表性研究团队等;然后对国内外研究进行了系统比较,分析了国内研究的优势和不足;最后讨论了目前研究存 在的问题及未来的发展趋势与展望,例如考虑个体情感表达差异问题和用户隐私问题等。

 

情感(emotion) 一词源于希腊文“pathos”,最早 用来表达人们对悲剧的感伤之情。 情感在感知、决 策、逻辑推理和社交等一系列智能活动中起到核心 作用,甚至有研究显示“人类交流中 80% 的信息都 是情感性的信息”。 由于情感在人类信息沟通中的 重大意义,情感计算是实现人机交互过程必不可少 的部分,也是让机器具有智能的重要突破口。 情感 计算的概念由美国麻省理工学院媒体实验室 Picard 教授提出, 并于 1997 年正式出版书籍 《 Affective Computing(情感计算)》。 在书中,Picard 教授指出 “情感计算是与情感相关,来源于情感或能够对情 感施加影响的计算”,开辟了情感计算研究的先河。 情感计算与理解旨在赋予计算机系统识别、理解、表 达和适应人的情感的能力来建立和谐人机环境,并 使计算机具有更高、更全面的智能。 根据输入信号的不同,情感计算与理解包含不同的研究方向。

更好的并行计算效率和更好的建模远距离特征优 势。 多模态情感识别的研究可以进一步提升人们 的生活质量。 在舆情分析方面,可以分析用户对 新冠疫情等事件的情感倾向;在商业智能方面,可 以分析用户对于商品的满意度,设计引起用户积 极情感的广告;在健康方面,可以分析驾车、上课 等状态下的情感程度,针对性地给出警示,提高工 作效率。