摘要
本文全面回顾近二十年来AICA的发展,特别是关注最先进的方法,涉及三个主要挑战-情感差距,感知主观性,标签噪声和缺失。作者首先介绍了在AICA中广泛使用的关键情感表示模型,并描述了可用的数据集,用于通过标签噪声和数据集偏差的定量比较进行评估。然后,总结和比较了以下方面的代表性方法:(1)情感特征提取,包括手工特征和深度特征;(2)主导情感识别、个性化情感预测、情感分布学习和从噪声数据或少标签中学习的学习方法;(3)基于AICA的应用。最后,我们讨论了图像内容与上下文理解、群体情感聚类和观众-图像交互等未来研究的挑战和前景。