一个中国面部数据集,具有动态表情和多种年龄,通过深度学习合成
Shangfeng Han1,2, Yanliang Guo1, Xinyi Zhou3
1School of psychology, Magnetic Resonance Imaging Center, China-UK Visual Information Processing Laboratory, Institute of Computer Vision, College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China.
Scientific data
|December 7, 2023
概括
这项研究介绍了SZU-EmoDage,一种新的中国面部表情和老龄化数据集,使用StyleGAN进行了合成. 这种资源使得在不同表情和年龄段对面部感知进行更深入的心理研究.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 现有的中国面部数据集缺乏动态表情和年龄差异.
- 招募各种参与者进行面部表情研究是耗时的.
- 在面部感知研究中需要全面的数据集.
研究的目的:
- 综合一个新的中国面部数据集 (SZU-EmoDage) 用不同的表情和年龄.
- 为了使动态表达式生成使用潜向量插值.
- 在心理实验中验证数据集的可靠性和实用性.
主要方法:
- 使用StyleGAN,一种深度学习的面部编辑方法,用于数据合成.
- 产生的面孔具有各种表情和衰老特征.
- 在连续动态表达式合成中采用潜向量插入.
主要成果:
- 合成的SZU-EmoDage数据集包括各种各样的面部表情和年龄变化.
- 成功生成了不同强度的动态表达式.
- 参与者评估证实了数据集的良好可靠性和有效性.
结论:
- SZU-EmoDage是心理学研究的一个有价值,可靠和有效的资源.
- 该数据集有助于更深入地了解面部感知,情感识别和衰老.
- 开辟了心理学和相关领域的新研究途径,使用合成的面部刺激.
更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.5K
05:48Author Spotlight: Investigating the Impact of Emotional Prosodies on Voice Recognition and Perception
Published on: August 9, 2024
1.5K
