Emotional Recognition Using Eye Movements

Rishabh Varsha Vallabh Haria

doi:10.1007/978-3-032-12767-9_35

2026-01-01

PRE

Rishabh Varsha Vallabh Haria *

Mohamed Abdoulaye Bailo Diallo

Sahura Ertugrul

Louisa Kulke

Sebastian Maneth

DOI：10.1007/978-3-032-12767-9_35

原文链接

原文求助

摘要

En 中文

情绪有两个广为人知的维度，唤醒度和效价。本研究我们关注唤醒度。PicDisengage数据集由43名用户组成，每位用户在先进眼动追踪器的记录下，对30张图片进行32次试验（每次图片1.5到2.5秒）的注视，并对每张图片给出1到9的手动唤醒度评分。我们应用一个已成功用于用户预测及其他任务的知名机器学习流程对眼动数据进行处理。通过应用该流程方法，我们成功预测了唤醒度评分，具体如下。当进行1-4与5-9的唤醒度评分二元预测时，准确率为78%；当进行某一唤醒度评分与其他评分的二元预测时，准确率始终高于80%，某些情况下高达96%。具体而言，对于预测唤醒度评分5、6和7相对于其余评分，准确率约为82%，而对于其他唤醒度评分，准确率均高于90%。本研究的三大主要成就是：(i) 仅从静态图片即可实现预测（而以往顶尖研究均使用视频片段及可能的其它模态）；(ii) 所需数据量极少（仅需6次试验而非全部32次即可达到类似准确率）；(iii) 预测使用的是未见过的图片（这对应于跨刺激预测，是机器学习眼动追踪研究中的极具挑战性且尚未完全解决的问题）。

Keyword:

Emotional Recognition

Eye Movement Data

Machine Learning