Этот документ доступен на arxiv под лицензией CC 4.0.
Авторы:
(1) Чжихан Рен, Калифорнийский университет в Беркли, и эти авторы внесли равный вклад в эту работу (электронная почта: peter.zhren@berkeley.edu);
(2) Джефферсон Ортега, Калифорнийский университет, Беркли, и эти авторы внесли равный вклад в эту работу (электронная почта: jefferson_ortega@berkeley.edu);
(3) Ифань Ван, Калифорнийский университет в Беркли, и эти авторы внесли равный вклад в эту работу (электронная почта: wyf020803@berkeley.edu);
(4) Чжимин Чен, Калифорнийский университет, Беркли (электронная почта: zhimin@berkeley.edu);
(5) Юнхуэй Го, Техасский университет в Далласе (электронная почта: yunhui.guo@utdallas.edu);
(6) Стелла X. Ю, Калифорнийский университет, Беркли и Мичиганский университет, Анн-Арбор (электронная почта: stellayu@umich.edu);
(7) Дэвид Уитни, Калифорнийский университет, Беркли (электронная почта: dwhitney@berkeley.edu).
Таблица ссылок
- Аннотация и введение
- Похожие Вок
- Набор данных ВЕАТИК
- Эксперименты
- Обсуждение
- Заключение
- Подробнее о стимулах
- Подробности аннотации
- Обработка выбросов
- Предметное соглашение по видео
- Знакомство и удовольствие Оценки и ссылки
8. Детали аннотации
Всего у нас было 192 участника, которые аннотировали видео в наборе данных VEATIC. Восемьдесят четыре участника аннотировали видео с идентификаторами 0–82. Сто восемь участников аннотировали идентификаторы видео 83–123 до планирования набора данных VEATIC. В частности, пятьдесят один участник аннотировал идентификаторы видео 83–94, двадцать пять участников аннотировали идентификаторы видео 95–97, а 32 участника аннотировали идентификаторы видео 98–123.
Еще одна новинка набора данных VEATIC заключается в том, что он содержит видеоролики с взаимодействующими персонажами и рейтингами отдельных персонажей в одном видео. Это видео с идентификаторами 98–123. Для каждой последовательной видеопары видеокадры абсолютно одинаковы, но непрерывные рейтинги эмоций аннотируются на основе разных выбранных символов. На рисунке 11 показан пример. В этом исследовании мы сначала предлагаем этот процесс аннотирования, поскольку он дает будущим алгоритмам возможность проверить, изучают ли модели эмоции выбранных персонажей, учитывая взаимодействие между персонажами и одну и ту же контекстную информацию. Хороший алгоритм распознавания эмоций должен справиться с этой сложной ситуацией.
Этот документ доступен на arxiv под лицензией CC 4.0.