具有深度信息和高生态效度的下一代微表情数据库

研究人员已经建立了CAS(ME) 3，这是一个具有深度信息和高生态效度的大规模、自发的微表情数据库。有望引领下一代微表情分析。

CAS(ME) 3提供约 80 小时的视频，超过 8,000,000 帧，其中包括 1,109 个手动标记的微表情和 3,490 个宏观表情，据研究团队负责人、科学院心理研究所研究员王素静博士介绍。科学院。

作为重要的非语言交流线索，微表情可以揭示一个人的真实情绪状态。微表情分析的发展受到关注，尤其是随着深度学习方法在微表情分析领域的蓬勃发展。然而，心理学和人工智能的研究都受到了微表情样本的限制。

“数据量对于使用人工智能进行微表情分析至关重要，CAS(ME) 3的大样本量允许有效的微表情分析方法验证，同时避免数据库偏差，”王博士说。

CAS(ME) 3的一大亮点是数据库中的样本包含深度信息。引入此类信息的灵感来自于人类对微表情的视觉感知的心理实验。受试者被要求观看 2D 和 3D 微表情视频，并回答视频的情绪效价、情绪类型和情绪强度三个问题。更短的反应时间和更高的 3D 视频强度等级表明深度信息可以促进情绪识别。

在证明了深度信息对人类视觉感知的有效性之后，研究人员继续开展智能微表情分析工作。“借助深度信息，算法可能对微表情的持续变化更加敏感，”该研究的第一作者、心理研究所研究员李敬亭博士说。

CAS(ME) 3的另一个亮点是其高生态效度。在启发过程中，研究人员优化了采集环境，使其尽可能接近现实，参与者进行模拟和审讯。作为该过程的一部分，视频、语音和生理信号——包括皮肤电活动、心率/指尖脉搏、呼吸和脉搏——由录像机和可穿戴设备收集。

实验表明，在高风险场景(例如，)中的受试者比在低风险场景(例如，无辜)中的受试者泄漏更多的微表情。因此，这种高生态效度样本为稳健的现实世界微表情分析和情感理解提供了基础。

重要的是，缓解小微表情样本量问题的方法之一是无监督学习。作为无监督学习的一种形式，自监督学习已成为热门话题。使用额外的深度信息或更多与微表情相关的帧来生成标签并构建用于微表情分析的自监督学习模型是很自然的。CAS(ME) 3提供超过 4,000,000 帧的 1,508 个未标记视频，从而使其成为无监督微表情分析方法的数据平台。

傅小兰教授带领的心理研究所的研究人员此前发布了另外三个微表情数据库，即CASME、CASME II和CAS(ME) 2。来自 50 多个国家/地区的 600 多个研究团队请求了这些数据库，超过 80% 的所有微表情分析文章都使用了其中至少一个进行方法验证。

使用 CAS(ME) 3和以前的数据库，基于使用未标记数据的自我监督学习的微表情分析、多模态研究以及生理和语音信号在未来有望实现。

标签：