arXiv cs.AI· Minghao Kong, Ying Gao, Jiurun Chen, Muyao Chen, Zheng Ge, Jianxin Wu, Rongjie Wang·· 2 天前AI 评分12
熟悉视频上的 EEG-fNIRS 情绪回归：视频-时间先验有多大用？
Video-Time Priors for EEG-fNIRS Emotion Regression on Familiar Videos
AI 导读
研究提出"视频-时间先验"——即每条视频每秒训练标签的平滑中位数，并将其与基于图的 EEG 和 fNIRS 信号模型以固定融合权重结合，用于预测新观众观看训练集中已出现视频时的情绪评分。
正文 · AI 翻译
摘要：观看者特定的生理信号能否在观看者共有的刺激驱动反应之外改善连续情绪回归？我们通过预测观看训练集中也出现的视频的新观看者的情绪评分来研究这个问题。作为仅基于刺激的基线，我们定义了一个视频-时间先验：每个视频每一秒训练标签的平滑中位数。然后，我们使用固定的融合权重，将此先验与基于图的脑电图（EEG）和功能性近红外光谱（fNIRS）信号模型相结合。在 MER-PS 2026 上，对 24 名参与者按参与者分组进行五折交叉验证，融合的平均绝对误差（MAE）为 29.01，而仅使用先验为 29.06。在未参与训练的由四名参与者组成的外部队列上，相应的 MAE 分别为 27.72 和 28.04。在该队列中，相对于全局常数基线，MAE 的降低大部分来自先验，即来自视频身份和播放时间 this http URL 降低了四名留出参与者中三名的 MAE，以及十五个视频中九个的 MAE。因此，生理信号的附加价值很小，并且因参与者和视频而异。由于该模型使用了每次预测时间之后记录的生理信号，因此仅支持离线预测。对未见视频的泛化仍未经过测试。
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；多媒体（cs.MM） |
| 引用为： | arXiv:2610.03618 [cs.AI] |
| （或 arXiv:2610.03618v2 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.03618 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Minghao Kong [查看电子邮件]
[v1]
2026年10月2日星期五 17:14:45 UTC（1,490 KB）
[v2]
2026年10月14日星期三 13:48:46 UTC（486 KB）
来源：arXiv cs.AI · arxiv.org