BODYinTRANSIT-Lab:用于研究身体知觉与情感体验中感觉驱动转变的多模态数据集
BODYinTRANSIT-Lab: A Multimodal Dataset for Investigating Sensory-Driven Transformations in Body Perception and Affective Experiences
预印本 · 尚未经过同行评审
把同步的行为与生理信号同主观情感和身体知觉测量结合起来的多模态数据集仍然少见。该数据集让 101 名按进食障碍症状和体力活动水平分层招募的被试在行走任务中接受实时改变的自脚步声反馈,以改变其感知体重,并同步记录全身运动学、肌电、心电、呼吸和皮肤电,标注涵盖试次内感知体重评分、试次后身体感受与情感体验、三维虚拟身体可视化和定量身体地图。作者还提供以步态运动学在个体内分类情感效价与感知体重的深度学习基线,在会话内片段级划分上平均平衡准确率分别为 45.9% 和 44.5%。
101 名被试按进食障碍症状与体力活动水平分层招募,在脚步声错觉中同步采集全身运动学、肌电、心电、呼吸与皮肤电,并给出用步态运动学分类情感效价与感知体重的深度学习基线。
将同步的行为与生理信号同主观情感与身体知觉测量相结合的多模态数据集仍然十分罕见。这既限制了对具身体验的理解,也限制了从传感器数据推断主观状态的计算模型的发展。我们推出 BODYinTRANSIT-Lab,这是一个多模态数据集,通过捕捉对“脚步声错觉”(Footsteps Illusion)的情感、知觉与行为反应来填补这一空白。在这一闭环范式中,参与者在执行行走任务的同时,会实时接收经过操纵的自身脚步声听觉反馈,其目的在于改变其感知到的体重。该数据集包含来自 101 名参与者的同步记录,这些参与者是通过按进食障碍症状学和体力活动水平进行系统分层招募的。BODYinTRANSIT-Lab 将全身运动学与肌电图、心电图、呼吸和皮肤电活动相结合。其标注同时捕捉即时体验与试次后体验,包括试次内的感知体重评分、试次后的身体感受与情感体验评估、3D 虚拟形象身体可视化以及定量身体图谱。心理、行为、人口学和社会测量进一步提供了可能影响个体反应的因素信息。我们提供了一个深度学习基准,利用行走运动学在被试内对相对情感效价和感知体重进行分类。在会话内、片段级别的划分上,基线模型对情感效价和感知体重的平均平衡准确率分别达到 45.9% 和 44.5%。BODYinTRANSIT-Lab 数据集为认知神经科学和情感计算研究提供了一个实验可控的资源,在情感感知交互系统、健康与福祉技术以及创造性具身体验方面具有潜在应用。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Human-Computer Interaction · arxiv.org