VEATIC: ردیابی احساسات و تأثیرات مبتنی بر ویدیو در مجموعه داده‌های زمینه: آزمایش‌ها

این مقاله در arxiv تحت مجوز CC 4.0 موجود است.

نویسندگان:

(1) Zhihang Ren، دانشگاه کالیفرنیا، برکلی و این نویسندگان به طور مساوی در این کار مشارکت داشتند (ایمیل: [email protected])

(2) جفرسون اورتگا، دانشگاه کالیفرنیا، برکلی و این نویسندگان به طور مساوی به این کار کمک کردند (ایمیل: [email protected])

(3) یفان وانگ، دانشگاه کالیفرنیا، برکلی و این نویسندگان به طور مساوی در این کار مشارکت داشتند (ایمیل: [email protected])

(4) ژیمین چن، دانشگاه کالیفرنیا، برکلی (ایمیل: [email protected])

(5) Yunhui Guo، دانشگاه تگزاس در دالاس (ایمیل: [email protected])

(6) Stella X. Yu، دانشگاه کالیفرنیا، برکلی و دانشگاه میشیگان، آن آربور (ایمیل: [email protected])

(7) دیوید ویتنی، دانشگاه کالیفرنیا، برکلی (ایمیل: [email protected]).

4. آزمایشات

در این مطالعه، ما یک تشخیص هیجان جدید در کار زمینه را پیشنهاد می‌کنیم، یعنی استنتاج ظرفیت و برانگیختگی شخصیت انتخاب‌شده از طریق اطلاعات بافت و شخصیت در هر فریم ویدیو. در اینجا، ما یک مدل پایه ساده را برای محک زدن تشخیص احساسات جدید در کار زمینه پیشنهاد می‌کنیم. خط لوله مدل در شکل 8 نشان داده شده است. ما دو زیرماژول ساده را به کار گرفتیم: یک ماژول شبکه عصبی کانولوشن (CNN) برای ویژگی…

Source link