• 2022年08月17日 星期三

为促进情感计算领域博士生的学术交流,提高情感智能方向的学术影响力,由中国人工智能学会(CAAI)主办,CAAI情感智能专委会、中国科学院自动化研究所承办的“情感计算博士生论坛”将于2022年7月16日在线举办。


腾讯会议号:778230743

入会密码:220716


一、活动流程

09:00-09:10    主持人讲话

09:10-09:40    西北工业大学赵勇报告

09:40-10:10    中科院心理所宋茜报告

10:10-10:40    合肥工业大学李明政报告

10:40-11:10    安徽大学吴敏超报告

11:10-11:15    总结


二、主题报告简介


image.png

主题报告1:基于面部动作单元(Action Units,AUs)的单输入图像面部表情动画合成

报告人:赵勇,西北工业大学计算机学院博士生。

指导老师:蒋冬梅教授。

报告内容简介:

报告内容简介:为了建立逼真的虚拟数字人,除了要赋予它理性层面的交流能力(智商),情感层面的共情能力(情商)也是至关重要的,甚至更具有挑战性, 而合成逼真的非语言面部表情动画,是让虚拟数字人具有情感表达能力的核心研究问题。传统的三维面部表情动画合成方法虽然早已在商业领域取得了巨大成功,但是严重依赖于昂贵的三维数据或使用三维数据建立好的先验模型,并且建模算法流程复杂,所构建的人脸模型难以同时满足通用性和提供可解释的控制参数这两个目标。本次报告主要介绍我们团队在最新工作中,如何针对上述问题,利用基于AU的学习方法来合成二维和三维面部表情动画。


image.png

主题报告2:情绪聚焦调节问卷的开发与验证

报告人:宋茜,中科院心理所杜峰课题组博士在读,本科毕业于中国政法大学应用心理学专业,目前关注情绪调节个体差异与机制,聚焦情绪调节策略模式与情绪调节灵活性。同时关注抑郁症人群,并参与部分工程心理学项目研究。

报告内容简介:

个体的情绪调节策略在维持心理健康方面发挥着重要作用。然而,现存测量工具无法同时测量五种常用的策略,也少有工具考虑到反刍的两类亚型(冗思与反思)。基于情绪调节加工过程模型,本研究通过四个样本(N = 2398)开发了一个新的情绪聚焦调节问卷(Emotion-focused Regulation Questionnaire, EfRQ),以评估个体对于五种常用策略的使用倾向。同时,在工具开发过程中区分了两种反刍亚型。结果显示,探索性和验证性因素分析支持五维度结构,包括注意转移、冗思、认知重思(反思与认知重评的整合)、接受与表达抑制。情绪聚焦调节问卷有良好的内部一致性(.726  Cronbach’s α  .869; .735  Macdonald’s   .871)和中等程度的重测信度(.531 ICCs .668)。相关分析证实该工具良好的聚合、区分与校标效度。多元分层回归证明了其超越现存工具的增量效度。总之,情绪聚焦调节问卷是一个可靠且有效的工具,可应用于研究和临床领域。


image.png

主题报告3:临床访谈中基于文本的抑郁症检测

报告人:李明政,1992年4月出生,2018年在河海大学取得计算机技术硕士学位,现在在中国科学技术大学先进技术研究院攻读电子信息博士学位。

指导老师:孙晓教授;研究方向为自然语言处理与情感计算。

报告内容简介:

本次报告主要介绍自然语言处理技术在抑郁症识别领域的应用。抑郁症是最为常见的心理障碍之一,其患病率高,致死致残率高。目前抑郁症在全球范围的流行率为4.4%,在中国为3.6%,并且这一数字也有逐年增加的趋势。然而,由于抑郁症的客观诊断工具的缺乏,现有的量表和访谈等方法存在耗时,昂贵和依赖于医生的临床经验等不足之处。近些年来,自然语言处理取得了飞速的进步,通过自然语言处理技术有望为抑郁症患者的诊断提供帮助。本次报告主要介绍通过使用自然语言处理技术识别抑郁症,报告首先会介绍抑郁症诊断的基本情况,其次回顾最近几年自然语言处理技术在抑郁识别领域的工作,最后会介绍当前我们在这个领域的主要工作。


image.png

主题报告4:一种联合ICA和黎曼流形的脑电情感识别方法

报告人:吴敏超,2017年本科毕业于安徽大学应用统计学专业,2017-2020年在安徽大学攻读统计学专业,目前为安徽大学计算机科学与技术学院在读博士。

指导老师:吕钊教授,主要研究方向为脑机接口、生物信息处理、以及情感识别,目前以一作发表SCI论文两篇。

报告内容简介:

基于独立分量分析(ICA)的脑电情感识别是情感脑机接口的主要研究内容之一。然而,ICA由于由于其固有的排序不确定性导致了从不同样本的盲源信号中提取的特征不能一一对应,从而限制了其在脑电情感识别领域中的应用。我们提出一种联合黎曼流形和ICA的深度学习模型,旨在从特征提取角度解决ICA的排序不确定性和提高情感识别准确率。协方差矩阵的正定性允许我们使用矩阵对数映射将其从黎曼空间转换到正切-欧式空间。矩阵对数映射通过对盲源信号的协方差矩阵的特征值取对数,从而有效从特征层面避免了ICA算法带来的排序不确定性。我们将向量化的切空间协方差特征输入到长短期记忆网络(LSTM)中,输出情感标签。为了验证该模型的性能,我们在公开的情感脑电数据库SEED和MAHNOB-HCI上进行了验证。


本文由CAAI情感智能专委会供稿

中国人工智能学会
2022年07月12日


Copyright © 2010 中国人工智能学会 互联网ICP备案:京ICP备06029423号-1
地址: 北京市海淀区西土城路10号 邮编: 100876 电话/传真: 010-62283919

二维码