标签：dynamic virtual DVFs 40 facial 识别 反应时间 精度 ER

1.这篇文章究竟讲了什么问题？
验证动态虚拟人脸对表情识别的有效性

2.这是否是一个新的问题？
不是新问题

3.这篇文章要验证一个什么科学假设？
H1: DVFs的情感识别精度和反应时间要比ER-40好
H2: 动态轻度高的会有更高的识别精度，以及更少的反应时间
H3: 正面的识别精度和反应时间要好于侧面
H4: 性别，年龄和教育水平对识别精度和反应时间有影响。

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
The cration of avatar faces将FACS作为参考
35-42,25

5.论文中提到的解决方案之关键是什么？
将DVFs和ER-40进行对比，来验证DVFs的有效性。以及研究不同因素对识别精度和反应时间的影响。

6.论文中的实验是如何设计的？
a) DVFs与ER-40情感识别精度和反应时间对比
b) 虚拟人脸强度对DVFs的识别精度和反应时间的影响
c) 虚拟人脸的方向对DVFs的识别精度和反应时间的影响
d) 性别，年龄以及教育水平对DVFs的识别精度和反应时间的影响

7.用于定量评估的数据集是什么？代码有没有开源？
DVFs和ER-40，没有发现开源

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
H3，虚拟人脸的方向对反应时间没什么影响，其他都验证了

9.这篇论文到底有什么贡献？
证明了在准确再现人类面部表情方面，DVF集与标准化自然面孔一样有效。

10.下一步呢？有什么工作可以继续深入？
a)将DVFs应用到某一案例中，比如提高精神病患者的情感识别能力
b)可以将DVFs作为情感诱发材料
c)将DVFs和情感识别一起放在VR中

标签：dynamic,virtual,DVFs,40,facial,识别,反应时间,精度,ER
来源： https://www.cnblogs.com/crazyMint/p/15946665.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。