[论文解读] A Survey on Mobile Affective Computing

Shengkai Zhang, Pan Hui|arXiv (Cornell University)|Oct 7, 2014

Emotion and Mood Recognition参考文献 86被引用 5

一句话总结

本综述回顾了近年来利用智能可穿戴设备（如Apple Watch、Google Glass和Fitbit）在移动情感计算（mobile affective computing, mobile AC）领域的最新进展，通过在真实世界社交情境中实现自然化、基于交互的情感感知，克服了传统方法中‘不可渗透情绪’的局限。本文综合了移动AC的模型、方法与系统，并指出关键挑战与未来研究方向。

ABSTRACT

This survey presents recent progress on Affective Computing (AC) using mobile devices. AC has been one of the most active research topics for decades. The primary limitation of traditional AC research refers to as impermeable emotions. This criticism is prominent when emotions are investigated outside social contexts. It is problematic because some emotions are directed at other people and arise from interactions with them. The development of smart mobile wearable devices (e.g., Apple Watch, Google Glass, iPhone, Fitbit) enables the wild and natural study for AC in the aspect of computer science. This survey emphasizes the AC study and system using smart wearable devices. Various models, methodologies and systems are discussed in order to examine the state of the art. Finally, we discuss remaining challenges and future works.

研究动机与目标

• 为解决传统情感计算中‘不可渗透情绪’的局限，即情绪被孤立研究而非置于社会互动情境中。
• 探讨智能可穿戴设备如何实现真实世界社交情境下自然化、野外环境中的情感研究。
• 综述移动与可穿戴平台上的情感计算的前沿模型、方法与系统。
• 识别开放性挑战并提出移动情感计算的未来研究方向。

提出的方法

• 对近年来基于移动与可穿戴设备的情感计算相关文献进行系统性综述。
• 根据感知模态（如生理、行为、环境）对情感计算系统进行分类，适用于可穿戴场景。
• 分析情感识别的方法论，包括多模态融合与上下文感知处理。
• 评估系统设计，重点关注日常生活中的实时、连续且无干扰的情感感知。
• 整合考虑情感的社会性与互动性的模型，突破孤立情感状态的局限。

实验结果

研究问题

• RQ1 相较于传统实验室方法，移动与可穿戴设备如何实现更自然、更具生态效度的情感研究？
• RQ2 基于移动可穿戴设备的情感计算系统在技术与方法论方面有哪些关键进展？
• RQ3 当前系统如何通过整合社会与互动情境来应对‘不可渗透情绪’的挑战？
• RQ4 在真实世界的移动环境中部署情感计算系统时，存在哪些局限与开放性挑战？

主要发现

• 移动与可穿戴设备使在自然、社交与动态环境中研究情感成为可能，克服了受控实验室环境的局限。
• 将多模态生理与行为信号整合，显著提升了真实环境下情感识别的准确性与鲁棒性。
• 考虑社交互动与环境因素的上下文感知系统，在情感计算应用中展现出更高的相关性与可靠性。
• 尽管已取得进展，数据隐私、实时处理以及在多样化人群与情境中的泛化能力仍面临挑战。