基于文本引导的重构网络在多模态情感分析中的应用 学术背景 多模态情感分析（Multimodal Sentiment Analysis, MSA）是一项旨在整合文本、视觉和声学信号中的情感表达的研究领域。随着用户生成在线内容的丰富，MSA在提高情感理解和人机交互方面展现出巨大潜力。然而，现有的MSA方法面临两个主要问题：1）在未对齐的多模态数据中，文本的主导作用未被充分利用；2）在不确定缺失模态的情况下，模态的探索不足。这些问题导致情感判断的准确性受到限制，尤其是在实际应用中，背景噪音、传感器故障、面部缺失/遮挡、光线条件不佳、转录缺失等因素可能导致模态的随机缺失。 为了解决这些问题，研究者提出了一种基于文本引导的重构网络（Text-Guided Reconstruction Network,...

基于Conformal Prediction的抑郁症预测方法研究 背景介绍 抑郁症是一种常见的心理障碍，表现为持续的悲伤、衰弱以及对活动失去兴趣。它不仅增加了自杀的风险，还给患者及其家庭带来了巨大的心理负担。目前，抑郁症的诊断主要依赖于心理健康报告，如Beck抑郁量表（BDI-II）、Hamilton抑郁评定量表（HRSD）和患者健康问卷（PHQ-8）。然而，这些诊断方法依赖于临床医生的主观经验和患者的认知能力，耗时且效率低下。 近年来，随着深度学习技术的快速发展，基于深度学习的抑郁症预测方法显示出巨大的潜力。然而，这些深度模型通常作为“黑箱”模型部署，缺乏可信度，无法提供预测的置信度。对于抑郁症预测这样的高风险临床应用，不确定性量化在决策过程中至关重要。为此，本研究提出了基于Conform...

机器人监控行为对老年人注意力分散及技术接受度的影响研究 学术背景 随着社会老龄化问题的加剧，老年护理的需求日益增长。特别是在新冠疫情期间，老年人因社交隔离而面临的心理和生理健康问题更加突出。社交机器人（Social Robots）作为一种新兴技术，被认为可以在老年护理中发挥重要作用，尤其是在监测老年人的健康和安全方面。然而，机器人的存在及其行为可能会干扰老年人的日常活动，导致不适甚至排斥。因此，研究机器人行为对老年人注意力分散的影响，以及老年人对机器人技术的接受度，具有重要意义。 本研究旨在探讨机器人在执行监控任务时，其行为对老年人参与日常活动的影响，特别是不同认知负荷任务下老年人对机器人行为的反应。通过主观和客观指标，研究人员试图评估老年人对机器人的参与度及其对自身任务的脱离程度，并进一步...

基于视觉道路场景的驾驶员压力估计研究 学术背景 驾驶员压力是导致交通事故、伤害和死亡的重要因素。研究表明，94%的交通事故与驾驶员相关，其中注意力不集中、内外部分心、速度控制不当等都与驾驶员的压力密切相关。因此，识别和管理驾驶员的压力状态对于提升驾驶体验和安全性至关重要。然而，现有的驾驶员压力识别方法主要依赖于生理数据（如心率、皮肤电活动等）或车辆操作数据（如方向盘和踏板活动），这些方法通常需要佩戴设备或缺乏对驾驶环境的全面考虑。相比之下，基于视觉道路场景的分析为驾驶员压力估计提供了一种无侵入式且具有广泛适用性的解决方案。本研究旨在探讨视觉道路场景对驾驶员压力估计的贡献，并通过机器学习模型验证其有效性。 论文来源 本论文由Cristina Bustos、Albert Sole-Ribalta...

算法透明度对用户体验和生理反应的影响 学术背景 随着情感计算（Affective Computing）技术的快速发展，情感感知任务适应系统（Affect-aware Task Adaptation）逐渐成为研究热点。这类系统通过多种测量手段（如生理信号、面部表情等）识别用户的心理状态，并据此调整计算机任务，以优化用户体验。例如，系统可以根据用户的情绪动态调整游戏难度，或根据用户的认知负荷调整任务复杂性。尽管已有研究表明，提高心理状态识别和任务适应的准确性可以显著改善用户体验，但算法透明度（Algorithmic Transparency）对用户体验的影响尚未得到充分研究。算法透明度指的是用户对计算机决策过程的理解程度。高透明度可能使用户更容忍系统的错误，甚至尝试通过调整自身行为来补偿系统的系...

自闭症儿童情绪刺激下的功能性脑连接研究 背景介绍 自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种复杂的神经发育障碍，主要表现为社交互动和沟通能力的缺陷，以及重复性行为和兴趣的局限。ASD的核心特征之一是情绪处理障碍，这直接影响患者的社交能力和生活质量。尽管ASD的研究已有多年历史，但其神经机制仍未被完全理解，尤其是在情绪处理方面的脑功能连接模式。功能性脑连接分析是研究ASD神经机制的重要手段，而脑电图（Electroencephalography, EEG）作为一种非侵入性技术，能够实时记录大脑的电活动，是研究脑功能连接的有力工具。 然而，现有的EEG研究大多集中在自发脑活动上，较少涉及情绪刺激下的脑功能连接。因此，探索ASD儿童在情绪刺激下的脑功能连接差...

学术背景 在人类社交互动中，目光（gaze）是传递信息的重要方式之一。研究表明，人类的目光能够影响他人的注意力、认知，甚至偏好。例如，当一个人注视某个物体时，观察者会倾向于认为该物体对注视者具有吸引力，进而影响观察者自身的偏好形成。然而，随着机器人技术的快速发展，机器人也逐渐具备了类似人类的目光行为。那么，机器人的目光是否能够像人类目光一样影响他人的偏好？这一问题不仅涉及人类对机器人行为的认知，还关系到未来人机互动（human-robot interaction, HRI）的设计与优化。 此外，心智理论（Theory of Mind, ToM）是理解他人心理状态的核心能力，包括推断他人的意图、信念和情感。ToM在人类社交互动中扮演着重要角色，但其在机器人目光效应中的作用尚未被充分研究。因此，...

基于时频脑电图的抑郁症检测新方法：TFAGL 学术背景 抑郁症（Major Depressive Disorder, MDD）是一种全球范围内常见的精神疾病，其主要症状包括情绪低落、内疚感、自我评价过低，并伴随着兴趣丧失、生活热情减退以及睡眠或食欲紊乱等。根据世界卫生组织（WHO）的统计，全球有超过2.46亿人受到抑郁症的影响，其中约30-35%的重度抑郁症患者每年尝试自杀，导致约2-15%的自杀率。因此，抑郁症预计将在2024年成为导致残疾疾病的主要原因之一。 目前，抑郁症的临床诊断主要依赖于医患对话和问卷调查，诊断结果容易受到患者主观意识和医生专业水平的干扰，缺乏客观性。脑电图（Electroencephalography, EEG）技术能够记录大脑活动的变化，与人类脑活动密切相关，能够...

基于图神经网络的对话情感识别新方法 研究背景 情感识别（Emotion Recognition, ER）是人机交互（Human-Computer Interaction, HCI）中的重要组成部分，旨在通过分析语音、文本、视频等多模态数据，识别人类的情感状态。这一技术在医疗、教育、社交媒体和聊天机器人等领域具有广泛的应用前景。近年来，情感识别的研究逐渐从单句情感分析转向对话情感识别（Emotion Recognition in Conversations, ERC），即识别对话中每一句话的情感状态。与单句情感分析相比，对话情感识别更具挑战性，因为对话中的情感不仅受当前语句的影响，还受到上下文语境和说话者之间互动的影响。 传统的对话情感识别方法主要依赖于循环神经网络（RNN）和长短期记忆网络（...

基于Gabor卷积的高效表情识别网络：CSE-GResNet 学术背景 面部表情识别（Facial Expression Recognition, FER）是计算机视觉领域的一个重要研究方向，广泛应用于社交机器人、医疗保健、社会心理学、客户服务以及心理分析等多个领域。面部表情是人类情感状态和意图的自然、普遍信号，因此，准确识别面部表情对于理解人类情感具有重要意义。然而，现有的FER方法大多关注模型性能的提升，而忽视了计算资源的消耗。在资源受限的平台上，如何在保持高效的同时实现较高的识别性能仍是一个巨大的挑战。 为了解决这一问题，本文提出了一种轻量级且高效的通道移位增强Gabor-ResNet（CSE-GResNet）网络，旨在通过Gabor卷积（Gconv）增强面部图像的关键视觉特征，同时通...