论文代码: https://github.com/935963004/MAET
1 前言
该论文面向情绪脑机接口,涵盖了情绪BCI范式设计、多视图融合、Adaptive Transformer、域对抗、连续标签等要素,是一个先进的体系性的工作,同时作者附了算法代码,下面是我对这篇文章的几点理解和思考。
2 研究背景
在引言部分作者先是铺垫了情绪脑机接口的应用必要性、罗列一些当前可选的信号类型梳理了任务当前面临的挑战和难点,从而引出该论文的两个工作亮点:
- (动机)现有数据集时间跨度小,涵盖的情绪强度层次少:论文贡献了一个新的连续标注的多模态情绪数据集
- (动机)BCI算法分类难题—时间、个体尺度上的多源变异性:论文提出Multimodal Adaptive Emotion Transformer (MAET)算法
论文第二部分Related work也是围绕上述两点展开的,介绍了基于脑电的情绪识别数据集和分类算法。
3 实验设计
在BCI实验中,范式设计往往直接关系到研究是否有效,其目标是生成的信号特征可以有效捕捉认知过程的关键因素,在该项研究中,作者关注的是情绪诱发,其在实验设置过程中也十分谨慎。
刺激材料:选用视频的形式,20名志愿者对所有视频进行情绪诱发强度评分,最终得到80个高分视频,涵盖了7种情绪类别。