Autores:
(1) Zhihang Ren, Universidade da Califórnia, Berkeley e estes autores contribuíram igualmente para este trabalho (E-mail: peter.zhren@berkeley.edu);
(2) Jefferson Ortega, Universidade da Califórnia, Berkeley e estes autores contribuíram igualmente para este trabalho (E-mail: jefferson_ortega@berkeley.edu);
(3) Yifan Wang, Universidade da Califórnia, Berkeley e estes autores contribuíram igualmente para este trabalho (E-mail: wyf020803@berkeley.edu);
(4) Zhimin Chen, Universidade da Califórnia, Berkeley (E-mail: zhimin@berkeley.edu);
(5) Yunhui Guo, Universidade do Texas em Dallas (E-mail: yunhui.guo@utdallas.edu);
(6) Stella X. Yu, Universidade da Califórnia, Berkeley e Universidade de Michigan, Ann Arbor (E-mail: stellayu@umich.edu);
(7) David Whitney, Universidade da Califórnia, Berkeley (E-mail: dwhitney@berkeley.edu).
Tabela de links
- Resumo e introdução
- Wok Relacionado
- Conjunto de dados VEATIC
- Experimentos
- Discussão
- Conclusão
- Mais sobre estímulos
- Detalhes da anotação
- Processamento de valores discrepantes
- Acordo de assunto entre vídeos
- Avaliações e referências de familiaridade e prazer
6. Conclusão
Neste estudo, propusemos o primeiro grande conjunto de dados de vídeo baseado em contexto, VEATIC , para predição contínua de valência e excitação. Várias visualizações mostram a diversidade do nosso conjunto de dados e a consistência das nossas anotações. Também propusemos um algoritmo de linha de base simples para resolver esse desafio. Os resultados empíricos comprovam a eficácia do nosso método proposto e do conjunto de dados VEATIC.
Este artigo está disponível no arxiv sob licença CC 4.0.
