[论文解读] The Affect Game AnnotatIoN (AGAIN) Dataset.
Affect Game AnnotatIoN (AGAIN) 数据集引入了一个大规模、多样化的感情语料库，包含来自九款不同游戏的超过1,100段游戏内视频剪辑，以及来自124名参与者的连续第一人称唤醒度标注。该数据集支持在异构交互任务中研究可泛化的感情表征，为建模实时交互环境中的动态情感提供了超过37小时的标注游戏数据。
How can we model affect in a general fashion, across dissimilar tasks, and to which degree are such general representations of affect even possible? To address such questions and enable research towards general affective computing this paper introduces the Affect Game AnnotatIoN (AGAIN) dataset. AGAIN is a large-scale affective corpus that features over 1,100 in-game videos (with corresponding gameplay data) from nine different games, which are annotated for arousal from 124 participants in a first-person continuous fashion. Even though AGAIN is created for the purpose of investigating the generality of affective computing across dissimilar tasks, affect modelling can be studied within each of its 9 specific interactive games. To the best of our knowledge AGAIN is the largest - over 37 hours of annotated video and game logs - and the most diverse publicly available affective dataset based on games as interactive affect elicitors.
研究动机与目标
- 研究在不同交互任务之间可泛化的感情表征的可行性。
- 解决缺乏大规模、多样化且源自互动电子游戏的连续感情数据集的问题。
- 提供一个公开可用、可扩展的资源，用于研究实时沉浸式环境中的动态情感。
- 支持超越任务特定边界的感情建模研究，推动情感计算领域的发展。
提出的方法
- 从九款不同的电子游戏中收集游戏内视频和相应的游戏日志，以确保任务多样性。
- 参与者通过滑动条界面在观看游戏剪辑时提供连续的第一人称唤醒度评分。
- 标注由124名参与者提供，确保了高评分者间一致性与时间粒度。
- 该数据集整合了视频、音频和游戏日志数据，以支持多模态感情建模。
- 数据经过精心筛选，涵盖广泛的情感强度和游戏机制，增强了表征的多样性。
- 整个语料库包含超过37小时的标注视频和游戏日志，是目前基于互动游戏的公开最大感情数据集。
实验结果
研究问题
- RQ1在电子游戏中，感情表征在不同交互任务之间可泛化的程度如何？
- RQ2在多样化的游戏体验和参与者之间，连续唤醒度评分的一致性如何？
- RQ3单一感情表征模型能否有效捕捉实时交互环境中动态情感变化？
- RQ4游戏类型和交互性对感情反应模式有何影响？
主要发现
- AGAIN是目前基于互动游戏的公开最大感情数据集，包含超过37小时的标注视频和游戏日志。
- 该数据集收集了来自124名参与者的连续唤醒度评分，支持对感情动态的精细分析。
- 包含九款不同游戏，确保了游戏机制、叙事和情感触发因素的高度多样性。
- 第一人称标注方法使感情反应更具沉浸感和生态有效性。
- 该数据集支持任务特定和可泛化的感情建模，为多样化研究应用提供灵活性。
- 该语料库使研究实时交互情境中的感情反应成为可能，推动了情感计算领域的发展。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。