情境信息对模糊表情识别的影响及其作用机制

识别模糊表情对人类社会交往具有重要意义。研究者们发现,情境信息影响模糊表情识别。基于此,文章探究了影响模糊表情识别的五种情境信息,包括文字描述、情绪表情、颜色背景、嗅觉信号和人格因素,旨在揭示情境信息影响人类识别模糊表情的作用机制。未来研究可以从突出模糊表情的主体研究地位、清晰界定情境信息、探索新的研究范式以及明确影响效价转移的脑区四个方面入手,进一步拓宽模糊表情识别研究领域。

模糊作为抵抗:模糊表情包的建构机制研究

5G时代,信息传播有更快的传输速度、更广的信息范围和更强的传播能力,充分促进了人们的个性化表达,模糊表情包则以网络文化发展初期的表征,掀起了一场以互联网为载体的复古潮。本文通过文本分析、网络民族志、深度访谈等方法,从技术、心理、社会等方面探索模糊表情包的建构机制,分析这种亚文化现象存在的合理性及可能产生的负面效应,并提出针对性建议,旨在增强主流文化的生命力、促进主流价值观引导下多元文化间的互动共生。

基于社交、情感和生理的分层模糊表情生成

针对目前人脸表情生成模型存在的情感类型较少、未考虑除情感以外产生表情的其它来源以及表情模式固定的局限性,提出一个分层模糊表情生成模型.该模型考虑社交、情感和生理等不同层次对表情生成的影响,利用模糊理论生成灵活、丰富的表情.基于该模型建立分层智能模糊表情生成系统,并对该系统进行评价,其结果说明分层模糊表情生成在人机交互中起到较好作用.

基于局部流形注意力的人脸表情识别

人脸表情识别在各种人机交互场景中有广泛的应用,但在表情模糊或存在遮挡情况下,现有的表情识别方法效果并不理想.针对表情模糊和遮挡问题,本文提出了一种基于局部流形注意力(SPD-Attention)的网络架构,利用流形学习得到具有更强描述能力的二阶统计信息以加强对表情细节特征的学习,抑制遮挡区域无关特征对网络的影响.同时,针对流形学习过程中由于对数计算导致的梯度消失和爆炸,本文提出了相应的正则约束加速网络收敛.本文在公开表情识别数据集上测试了算法效果,与VGG等经典方法相比取得了显著提升,在AffectNet、CK+、FER2013、FER2013plus、RAF-DB、SFEW上正确率分别为:57.10%、99.01%、69.51%、87.90%、86.63%、49.18%,并在模糊、遮挡表情数据集上相比于Covariance Pooling等目前先进方法提升了1.85%.