AITOP

多模态数据集

共 1 条相关 AI 资讯
5月20日
10:22
10:22官方账号arXiv cs.AI@Meisam Jamshidi Seikavandi, Alice Modica, Anna Obara, Shan Ahmed Shaffi, Fabricio Batista Narcizo, Tanya Ignatenko, Ted Vucurevich, Karim Haddad, Daniel Barratt, Daniel Overholt, Jesper Bunsow Boldt, Paolo Burelli, Andrew Burke Dittberner
精选
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。
论文多模态数据集情感计算协作交互生理信号眼动追踪
推荐理由：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。
原文