作者：
（1）加州大学伯克利分校的任志航和本文其他作者对本文的贡献相同（Email: peter.zhren@berkeley.edu）；
（2）加州大学伯克利分校的 Jefferson Ortega 和本文其他作者对本文做出了同等贡献（电子邮箱：jefferson_ortega@berkeley.edu）；
（3）加州大学伯克利分校的 Yifan Wang 和本文其他作者对本文的贡献相同（电子邮箱：wyf020803@berkeley.edu）；
（4）陈志敏，加州大学伯克利分校（电邮：zhimin@berkeley.edu）；
（5）郭云晖，德克萨斯大学达拉斯分校（电子邮箱：yunhui.guo@utdallas.edu）
（6）Stella X. Yu，加州大学伯克利分校和密歇根大学安娜堡分校（电子邮箱：stellayu@umich.edu）
（7）加州大学伯克利分校的 David Whitney（电子邮箱：dwhitney@berkeley.edu）。
链接表
六，结论
在本研究中，我们提出了第一个基于上下文的大型视频数据集VEATIC ，用于连续效价和唤醒预测。各种可视化显示了我们数据集的多样性和注释的一致性。我们还提出了一种简单的基线算法来解决这一挑战。实证结果证明了我们提出的方法和 VEATIC 数据集的有效性。
