affective computing
PulseAugur coverage of affective computing — every cluster mentioning affective computing across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI研究探索情感和交互的新计算模型 · 已追踪2个来源
两篇新研究论文探讨了在人工智能中理解和实现情感的计算方法。第一篇论文提出了一个情感计算的关系框架，侧重于声学动态中的交互场，而不是孤立的情感状态。第二篇论文提出了一种情感的面向目标的理论的计算实现，其中情感源于智能体中差异检测和行动选择的相互作用。两项研究都旨在超越描述性模型，实现对AI中情感更具机制性和整合性的理解。
-
新的MAESTRO框架通过自适应专家选择增强多模态情感分析
研究人员开发了一个名为MAESTRO的新框架，用于多模态情感分析，旨在通过整合文本、语音语调和面部表情来改善对复杂情绪状态的理解。该框架通过使用文本引导的混合专家模型（MoE）根据语言上下文动态激活特定的视听专家，从而增强特征表示，解决了当前方法的局限性。此外，MAESTRO还采用了一种序数感知原型对比学习（O-PCL）方法，通过保留情感的自然顺序来更好地捕捉情感强度的细微差别。在CMU-MOSI和CMU-MOSEI基准上的实验表明，…
-
新的 CVAE 方法可为虚拟人类生成可控的情感表达
研究人员开发了一种新的方法，使用条件变分自编码器 (CVAE) 为虚拟人类生成逼真的情感表达。该 CVAE 模型在人类面部表情数据集上进行训练，能够合成不同强度的可控情感表达，即使在训练数据有限的情况下也能实现。这种方法无需演员表演或手动艺术干预即可创建富有情感表达的虚拟角色，并在不同强度级别上保留关键的表达特征。
-
新研究探测文本编码器中的心理学情绪线索
一项新研究调查了十二种近期文本编码器的情感能力，评估了它们生成的嵌入如何捕捉心理学情绪理论。研究人员使用了三种情绪框架下的词级和句子级数据的回归和分类任务。研究结果表明，最新的指令感知型开放权重编码器在词级上包含的情感信息与专有模型相当甚至更多。然而，在句子级情感分类方面，经过任务微调和专有编码器取得了更高的分数。
-
AI代理协作：情感动力学作为协调层
一篇新发表在arXiv上的综述论文探讨了情感动力学在人机代理协作中的作用。它提出了一个框架，将情感视为一种协调层，而非AI的内在属性，用于人类和代理之间就能力、不确定性和责任进行协商。该框架旨在为衡量、设计和治理表现出类情感行为的AI系统提供基础。
-
情感识别技术进入工作场所，科学界表示怀疑
情感识别系统正在办公室和客户服务中心实施，尽管专家对其科学有效性表示怀疑。“情感计算”市场正在扩大，引发了人们对通过伪装成效率提升的不精确算法进行新形式生物识别压迫的担忧。