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...

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（...

基于轻量级点云网络的3D区域结构运动表示在微表情识别中的应用 学术背景 微表情（Micro-expressions, MEs）是人类情感表达中的一种短暂且微妙的面部表情，通常持续1/25到1/5秒。由于其自发性、快速性和难以控制的特点，微表情往往能够揭示个体的真实情感，因此在人机交互（Human-Computer Interaction, HCI）、心理学、刑事分析、商务谈判等领域具有重要应用价值。然而，微表情的低强度和短暂性使其识别成为一项极具挑战性的任务。传统的微表情识别方法主要依赖于2D RGB图像中的运动特征提取，忽略了面部结构及其运动在情感传达中的关键作用。为了克服这一局限，本文提出了一种创新的3D面部运动表示方法，结合了3D面部结构、区域化的RGB和结构运动特征，旨在更准确地捕捉...

生理数据在与拟人化服务机器人进行人机交互中的应用：Affect-HRI数据集 背景与研究意义 在人类与人类、人类与机器人互动中，交互对象会影响人类的情感状态。与人类不同，机器人本质上无法表现出同理心，因此无法缓解不利的情感反应。为了创建一个负责任且具有同理心的人机交互系统，尤其是在涉及拟人化服务机器人时，必须了解机器人行为对人类情感的影响。为此，研究人员提供了一个新的综合数据集Affect-HRI，首次包括了标记有人类情感（即情绪和心情）的生理数据，这些数据是在进行的一项人机交互研究中收集的。 研究来源 该研究论文由Judith S. Heinisch、Jérôme Kirchhoff、Philip Busch、Janine Wendt、Oskar von Stryk和Klaus David...