【论文阅读】Validation of dynamic virtual faces for facial affect recognition

1.这篇文章究竟讲了什么问题？
验证动态虚拟人脸对表情识别的有效性

2.这是否是一个新的问题？
不是新问题

3.这篇文章要验证一个什么科学假设？
H1: DVFs的情感识别精度和反应时间要比ER-40好
H2: 动态轻度高的会有更高的识别精度，以及更少的反应时间
H3: 正面的识别精度和反应时间要好于侧面
H4: 性别，年龄和教育水平对识别精度和反应时间有影响。

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
The cration of avatar faces将FACS作为参考
35-42,25

5.论文中提到的解决方案之关键是什么？
将DVFs和ER-40进行对比，来验证DVFs的有效性。以及研究不同因素对识别精度和反应时间的影响。

6.论文中的实验是如何设计的？
a) DVFs与ER-40情感识别精度和反应时间对比
b) 虚拟人脸强度对DVFs的识别精度和反应时间的影响
c) 虚拟人脸的方向对DVFs的识别精度和反应时间的影响
d) 性别，年龄以及教育水平对DVFs的识别精度和反应时间的影响

7.用于定量评估的数据集是什么？代码有没有开源？
DVFs和ER-40，没有发现开源

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
H3，虚拟人脸的方向对反应时间没什么影响，其他都验证了

9.这篇论文到底有什么贡献？
证明了在准确再现人类面部表情方面，DVF集与标准化自然面孔一样有效。

10.下一步呢？有什么工作可以继续深入？
a)将DVFs应用到某一案例中，比如提高精神病患者的情感识别能力
b)可以将DVFs作为情感诱发材料
c)将DVFs和情感识别一起放在VR中

标签：dynamic,virtual,DVFs,40,facial,识别,反应时间,精度,ER
来源： https://www.cnblogs.com/crazyMint/p/15946665.html