【复旦大学等】情感计算的系统综述:情感模型、数据库及研究进展，A Systematic Review on Affective Computing: Emotion Models, Databases, and Recent Advances

随着人工智能的快速发展和现实生活中计算机应用的普遍推广，情感计算在人机交互、娱乐、教学、安全驾驶、多媒体集成等方面发挥着重要作用。近年来，情感计算(即情感识别和情感分析)领域取得了重大突破。情感计算是基于单模态或多模态数据实现的，主要包括物理信息(如文本、音频、视觉数据)和生理信号(如脑电图、心电信号)。由于多个公共数据库，基于物理的影响识别适合更多的研究人员。然而，一个人的内心情感很难被刻意隐藏在面部表情、声音语调、身体姿势等之外。生理信号可以产生更精确、更可靠的情绪结果; 然而，生理信号的获取困难也阻碍了它们的实际应用。因此，物理信息和生理信号的融合可以提供有用的情绪状态特征，并导致更高的准确性。我们系统地回顾了近年来情感计算的研究进展，并对单模态情感识别和多模态情感分析进行了分类，而不是只关注一个特定的领域。首先介绍了两种典型的情感模型，然后介绍了常用的情感计算数据库。接下来，我们对目前最先进的单模态情感识别和多模态情感分析的详细结构和性能进行了调查和分类。最后，我们讨论了情感计算的一些重要方面及其应用，并指出了未来最有希望的发展方向，如基线数据集的建立、多模态情感分析的融合策略和无监督学习模型。这一系统概述的总体目标是促进学术和工业研究人员在理解这一快节奏，高影响领域的最新进展和新发展。