标签
本文介绍了一种使用冻结基础模型的可穿戴压力检测检索增强个性化方法，无需标记用户数据即可实现接近监督微调的性能。
本综述综合了人-AI智能体协作中情感动态的计算与交互机制，提出情感线索作为信任、委托和监督的协调层，而非内部情绪。
本文介绍了AgentViSS基准，用于评估多模态社交模拟中的视觉社交智能，包含240个场景及对齐的视觉文本证据。评估七个近期MLLM发现局部角色扮演与基于视觉的交互管理之间存在差距。
本文评估了深度学习模型（LSTM、TCN、Transformer）在WESAD数据集上基于生理信号的多模态情感识别表现，结果表明集成方法达到了98.91%的准确率。
本文介绍了MA-DLE，一种基于记忆的特征增强方法，用于基于语音的自动抑郁程度评估，在DAIC-WOZ和E-DAIC数据集上达到了最先进的性能。
本文介绍了用于手语对话情感识别的eJSL Dialog数据集，填补了现有数据集缺乏对话上下文的空白。基准测试表明，应用通用多模态模型时存在领域差距，凸显了针对手语的上下文感知视觉提取器的必要性。
本文介绍了一个用于主动对话智能体的多模态情绪识别模块，该模块结合了面部识别与语言分析。一项涉及20名参与者的用户研究发现了一种“扑克脸”效应，即视觉线索不可靠，而语言分析则更为准确；研究还表明，智能体可以通过对话适应性来引发情绪。
本文介绍了GroupAffect-4，一个包含40名参与者（组成10个四人小组）执行协作任务的多模态数据集。数据集包括对齐的生理、眼动、音频、自我报告和个性数据，以及针对个体内、个体间和群体层面分析的基准目标。
介绍CAREBench，一个基于评价理论的基准测试，通过认知评价推理评估LLM的情感理解能力，表明当前模型在推理和积极情绪识别方面存在困难，尽管在某些下游任务上与人类表现相当。
本文提出了一种用于情感强度评估的生成式框架，将离散分类转变为0-100的连续评分。该框架在金融等领域展现了优越的性能和泛化能力。
本文提出了一种轻量级框架，使用粘性因子HDP-HMM从多模态效价-唤醒轨迹中建模会话情绪为潜在状态，旨在实现可解释且计算高效的情绪状态跟踪。