处理受限制的情绪或者简单的即时情绪是大多数关注人类交互应用的挑战。人们可以将内部情绪表征应用于新的感知和表达,并用它来理解另一个人的情绪。这种机制可以描述为一种发展学习的过程,在观察和参与不同的相互作用之后,人们可以学习如何描述复杂的情绪行为,如讽刺、信任和移情。
从 OMG-Emotion 数据集 1 的视频中提取出的图片
在最近的人工智能领域,认知系统已经将计算模型作为类似人类的感知分类任务。然而,该领域的大部分研究仍然基于瞬时表情分类,其任务是用不同的形式来描述单个情绪表达,这与情绪行为感知和学习发展不同。
近年来,很多情绪识别语料库被发布,虽然这些数据集非常有挑战性,但都专注与即时情绪分类,这意味着这些语料库为短期(通常为几秒)的情绪表达设置了一个特定的标签。有一些注释了交互的语料库,比如 IEMOCAP、SEMAINE 和 EmoReact,不过它们仅限于受限制和有限的情景,它们不允许开发更加自然的情感描述模型。
研究人员曾专注于长期情绪表现和学习的研究,但这些研究大多面临着长期情绪关系语料库的问题。如果能够解决这个问题,研究人员就能够评估他们的模型,并重现或者比较他们的解决方案。因此,本次挑战赛的重点是针对长期情绪行为的分类。挑战赛提供的一分钟渐进情绪行为数据集(OMG-Emotion 数据集)是一个强大的、完整的、具有挑战性的语料库,它可以作为情感计算领域里重要的研究资料。
OMG-Emotion 挑战赛将和「Neural Models for Human Behavior Recognition」会议一起举办。参赛的团队应该向主办方发送一份他们解决方案的摘要文件,如果被接受的话,将在 WCCI / IJCNN 2018 会议期间以口头报告的形式呈现。
https://www2.informatik.uni-hamburg.de/wtm/OMG-EmotionChallenge/