精选理由
做情感计算、社交信号处理或小组协作研究的团队终于有了一个覆盖个体、人际和群体三层次的高质量多模态数据集，数据完整性和任务效度都经过验证，可以直接用于训练和评估模型。
现有情感计算与社交信号处理数据集难以支持对同地小组中个体、人际和群体层面的情感耦合分析。研究者推出了GroupAffect-4，包含10组共40名参与者在四种协作任务（信息汇集、谈判、创意生成、公共物品博弈）中的多模态数据。每位参与者佩戴腕式生理传感器、眼动追踪眼镜和近讲麦克风，并收集连续情感自评、任务后问卷、任务结果和大五人格评分，所有数据通过共享时钟对齐。数据集覆盖91%以上的预期生理窗口和98%的眼动窗口，谈判任务的情感操纵检验验证了任务有效性。它定义了15个基准目标，涵盖个体内状态、个体间特质和群体动态三个分析层次，并提供了留一组交叉验证的可行性基线。数据集以BIDS风格结构、Croissant元数据、数据表、每会话质量报告和开源处理脚本发布。
AI 翻译 · 中文
现有情感计算与社交信号处理数据集难以支持对同地小组中个体、人际和群体层面的情感耦合分析。研究者推出了GroupAffect-4，包含10组共40名参与者在四种协作任务（信息汇集、谈判、创意生成、公共物品博弈）中的多模态数据。每位参与者佩戴腕式生理传感器、眼动追踪眼镜和近讲麦克风，并收集连续情感自评、任务后问卷、任务结果和大五人格评分，所有数据通过共享时钟对齐。数据集覆盖91%以上的预期生理窗口和98%的眼动窗口，谈判任务的情感操纵检验验证了任务有效性。它定义了15个基准目标，涵盖个体内状态、个体间特质和群体动态三个分析层次，并提供了留一组交叉验证的可行性基线。数据集以BIDS风格结构、Croissant元数据、数据表、每会话质量报告和开源处理脚本发布。
Existing affective-computing, social-signal-processing, and meeting corpora capture important parts of human interaction, but they rarely support analysis of affect in co-located groups as a coupled individual, interpers…