清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Survey on multimodal approaches to emotion recognition

模式 计算机科学 本能 过程(计算) 情绪识别 模态(人机交互) 领域(数学) 情绪分析 情感计算 情感科学 认知心理学 人工智能 情绪分类 心理学 社会科学 进化生物学 生物 数学 操作系统 社会学 纯数学
作者
Aruna Gladys A.,V. Vetriselvi
出处
期刊:Neurocomputing [Elsevier]
卷期号:556: 126693-126693 被引量:9
标识
DOI:10.1016/j.neucom.2023.126693
摘要

Emotion is an instinctive state of mind created by the neurophysiological changes occurring in the human body as reactions to various internal or external stimuli. Emotions play a vital role in decision-making. The choices one makes in day-to-day life determine their behaviour and thus their character. Emotion and behaviour recognition are the key processes in ascertaining Emotional Intelligence (EQ) which is the inherent human potential to understand and manage one's own emotions in positive ways. But the process requires high expertise in the field of psychology and is exhaustive and time-consuming. This has opened a new horizon for exploring the computational recognition of EQ. Emotion Recognition (ER) is one of its sub-processes that identifies various human emotional states. Emotions are detected from physiological signals and also through non-invasive, vision-based algorithms by exploiting video and audio modalities. With the emergence of big data and state-of-art deep learning architectures combined with the vast availability of emotion-rich video content from various streaming platforms, Multimodal Emotion Recognition (MER) which detects emotions through multiple and complementary input modalities from video has gathered momentum in recent years. This survey paper elaborately discusses the unimodal ER through visual, auditory, and linguistic modalities and reviews MER with combined features from these modalities. It also discusses the joint representations and fusion mechanisms used to acquire the intermodal correlations. Finally, we put forward the limitations and gaps identified in the literature along with a few suggestions for future work.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
隐形曼青应助科研通管家采纳,获得10
6秒前
666完成签到,获得积分10
11秒前
爱心完成签到 ,获得积分10
30秒前
1分钟前
老姚完成签到,获得积分10
1分钟前
科研通AI2S应助蔡从安采纳,获得10
2分钟前
Clove完成签到 ,获得积分10
2分钟前
yu_z完成签到 ,获得积分10
3分钟前
3分钟前
cortina发布了新的文献求助10
3分钟前
samuel完成签到,获得积分10
4分钟前
vbnn完成签到 ,获得积分10
4分钟前
arsenal完成签到 ,获得积分10
4分钟前
田様应助frederick采纳,获得10
4分钟前
6分钟前
6分钟前
奥里给完成签到 ,获得积分10
6分钟前
6分钟前
wodetaiyangLLL完成签到 ,获得积分10
6分钟前
田雨完成签到 ,获得积分10
7分钟前
山止川行完成签到 ,获得积分10
7分钟前
细心的如天完成签到 ,获得积分10
8分钟前
9分钟前
千里草完成签到,获得积分10
9分钟前
9分钟前
安安完成签到 ,获得积分10
9分钟前
9分钟前
9分钟前
qinxy发布了新的文献求助10
10分钟前
10分钟前
wanci应助qinxy采纳,获得10
10分钟前
energyharvester完成签到 ,获得积分10
10分钟前
plum发布了新的文献求助10
10分钟前
沙海沉戈完成签到,获得积分0
10分钟前
爱洗澡的鱼完成签到 ,获得积分10
11分钟前
11分钟前
自由飞翔完成签到 ,获得积分10
11分钟前
plum驳回了情怀应助
11分钟前
brwen完成签到,获得积分10
11分钟前
amar完成签到 ,获得积分0
12分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099800
求助须知:如何正确求助?哪些是违规求助? 2751268
关于积分的说明 7612116
捐赠科研通 2403037
什么是DOI,文献DOI怎么找? 1275146
科研通“疑难数据库(出版商)”最低求助积分说明 616263
版权声明 599053