最新消息

最新消息

ACIR实验室人格识别相关论文被期刊Pattern Recognition接收

北京大学计算机学院情感与认知智能机器人实验室（ACIR）撰写的学术论文“From Apparent toReal: A New Path for Real Personality Recognition in Robot Perception Pattern Recognition”被SCI一区期刊Pattern Recognition接收。该论文的第一作者为实验室博士后孙蕴嘉，通讯作者为实验室主任王韬。


From Apparent toReal: A New Path for Real Personality Recognition in Robot Perception Pattern Recognition
论文作者：孙蕴嘉，彭少辉，王韬＋。（+为通讯作者）



训练高性能人格识别模型通常需要海量数据，然而真实人格仅能通过自评方式获取，这类数据的采集极具挑战性。针对该问题，我们提出一种全新方法：借助外显人格数据，通过聚合外显人格标注并联合偏差修正与加权学习，实现真实人格识别。外显人格是外部观察者所感知到的人格特质，其采集无需依赖自评，且单个标注者可完成多人标注，采集难度更低。

在真实人格数据集ELEA上的实验验证了我们所提方法的有效性，其性能优于直接基于外显人格标签训练的模型；在无真实人格标签的条件下，该方法相较于全监督真实人格模型仅存在约3%的性能下降，证明其在标签稀缺场景下的可行性。

具体而言，我们将同一人物多段视频的外显人格标注进行聚合，构建该个体统一的人格表征，并以此为监督信号训练人格识别模型。但直接训练会面临两类偏差：标注偏差与样本偏差。标注偏差指单一样本的真实人格与聚合人格间的差异；样本偏差指不同样本对聚合人格的贡献程度存在差异。

为此，我们分别提出两种方法应对上述偏差：针对标注偏差，我们额外预测每个样本的标注偏差量，以此修正原始聚合人格标签；针对样本偏差，我们采用加权损失函数，降低外显人格与聚合人格偏差过大样本的影响。推理时，我们采用相同的聚合策略，将同一人物不同视频片段的预测结果融合，得到统一的真实人格输出。

微信图片_20260207164626_2903_14.png



《Pattern Recognition》

（《模式识别》）

模式识别是一个成熟但仍充满活力、发展迅速的领域，为计算机视觉、图像处理、文本与文档分析、神经网络等相关领域的发展奠定了基础。该领域与机器学习联系紧密，同时在生物特征识别、生物信息学、多媒体数据分析以及近年兴起的数据科学等快速发展领域中得到广泛应用。《模式识别》期刊创办于约 50 年前，彼时模式识别领域正于计算机科学发展初期逐步兴起，历经数十年发展，期刊的覆盖范围已得到极大拓展。

目前，《模式识别》为JCR分区与中科院分区双一区期刊，影响因子7.6。


第一作者简介

孙蕴嘉，现任北京大学计算机学院情感与认知智能机器人实验室博士后、讲师，于2018 年与 2024 年分别获中国科学院大学学士学位及博士学位，研究方向为计算机视觉与情感计算，主要从事视线估计、人格识别、人-机器人交互相关研究，研究成果发表于 TPAMI、ICCV 等国际一流期刊与会议。



北京大学计算机学院情感与认知智能机器人实验室


北京大学计算机学院情感与认知智能机器人实验室（ACIR Lab）成立于2017年，致力于赋予机器人真正的智能、认知与情感能力，主任为王韬研究员。

实验室提出的情感与认知模型及算法，具有表情识别、注意分析、生理指标检测、信息理解、性格分析等能力；实验室研发的情感机器人，能够完成情感交互、琴棋书画、迎宾导览等任务。

实验室发表学术论文80余篇，多篇论文获最佳论文奖，获发明专利授权20余项，完成国家、省部级以及横向项目数十项，开设“智能机器人系统导论”等课程。

情感与认知智能模型、算法和机器人系统研发初见成效，获得业界较大关注，代表北京大学在各类汇报、会议、展览中进行展示，已被中央广播电视台（CCTV）等多家媒体报道。

情感与认知智能模型/算法/系统已在产业界产生一定影响，与业界头部企业共建联合实验室，模型及算法已被产业头部机构应用（部署在多种机器人上）。