稀疏标签也能精准感知情感！伪标签增强让协作群体情感识别效果超越基线
Pseudo-Label Augmentation for Affect Sensing in Small Collaborative Groups
📖 AI 总结
该研究针对自然群体互动中生理情感感知受限于稀疏标签的问题，基于四人协作数据集GroupAffect-4（包含可穿戴生理信号、眼动追踪、大五人格及任务后VAD标签），系统比较了无增强、高斯过程伪标签、人格感知信任加权以及人格与置信度联合加权四种策略。结果显示，伪标签增强在已知团队设定下优于仅用标签的基线；但大五人格余弦相似度范围狭窄（0.91–0.99），使细粒度人格加权失效，人格相似性主要起同队筛选作用而非校准信任信号。经平滑处理后，各增强SVM变体在效价和唤醒度上基本持平，联合加权变体在支配度上得分最高。跨被试LOSO迁移表现良好，尤其对唤醒度，而严格会话隔离的LOGO则消除了增强收益。鉴于仅10个群体，LOGO结果应视为未见群体迁移的保守下界。总体表明，伪标签增强能更充分利用稀疏标注的协作情感数据，人格信息最适合作为队内选择机制。
🔑 关键词速览
| Pseudo-Label Augmentation | 利用模型对未标注数据生成的伪标签来扩充训练集，以缓解标签稀疏问题。 |
| GroupAffect-4 | 一个四人协作数据集，包含可穿戴生理信号、眼动追踪、大五人格和任务后 VAD 情感标签。 |
| VAD (Valence-Arousal-Dominance) | 情感的三维模型，分别表示效价（愉悦度）、唤醒度和支配度。 |
| Big Five Personality | 大五人格模型，通过开放性、尽责性、外向性、宜人性和神经质五个维度描述人格。 |
| LOSO / LOGO | 留一被试（Leave-One-Subject-Out）和留一组（Leave-One-Group-Out）交叉验证，用于评估跨被试或跨组的泛化能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅