MDPE

MDPE数据集由中国科学院自动化研究所等机构创建，是一个包含193个主题的多模态欺骗数据集，涵盖了欺骗行为、个性特征和情感表达信息。数据集包括超过104小时的视频，支持欺骗检测、个性识别和情感识别等任务。创建过程中，每个主题需完成个性问卷、情感实验和欺骗实验，确保数据的多样性和真实性。MDPE数据集的应用领域广泛，旨在通过个体差异信息提升欺骗检测的准确性和可靠性，推动情感计算领域的研究。The MDPE dataset, created by institutions including the Institute of Automation of the Chinese Academy of Sciences, is a multimodal deception dataset covering 193 topics, which contains information related to deceptive behaviors, personality traits and emotional expressions. The dataset includes over 104 hours of video and supports tasks such as deception detection, personality recognition and emotion recognition. During its creation, participants were required to complete a personality questionnaire, emotional experiments and deception experiments for each topic to ensure the diversity and authenticity of the data. The MDPE dataset has a wide range of application scenarios, aiming to improve the accuracy and reliability of deception detection through individual difference information and promote research in the field of affective computing.

原始信息汇总

MDPE

搜集汇总

数据集介绍

构建方式

MDPE数据集通过精心设计的实验流程构建，涵盖了193名受试者的多模态数据，包括视频、音频和文本记录。每位受试者在参与欺骗行为实验的同时，还需完成情感表达实验，以获取其真实的情感表达。实验在专业录音室进行，确保数据采集环境的一致性和可比性。此外，受试者还需填写大五人格问卷，以收集其人格特征信息。

使用方法

MDPE数据集适用于多种情感计算任务，包括欺骗检测、人格识别和情感识别。研究者可以通过提取视频、音频和文本中的特征，结合人格和情感表达信息，训练和评估多模态欺骗检测模型。此外，数据集还可用于研究个体差异对欺骗行为的影响，以及探索人格和情感特征在欺骗检测中的作用。数据集的详细使用方法和实验协议已在论文中提供，确保研究的复现性和可比性。

背景与挑战

背景概述

近年来，随着数字媒体的迅猛发展和伦理与安全问题的日益突出，欺骗检测引起了越来越多的关注。欺骗检测广泛采用多模态方法进行研究，包括视频、音频和文本。此外，欺骗产生和检测中的个体差异被认为起着至关重要的作用。尽管一些研究利用个性特征来提高欺骗检测的性能，但由于缺乏足够的数据集来评估性能，当前系统仍然有限。为了解决这一问题，我们引入了多模态欺骗数据集MDPE。该数据集不仅包含欺骗特征，还包括个性和情感表达特征中的个体差异信息，可以探索个体差异对欺骗行为的影响。

当前挑战

MDPE数据集在构建过程中面临多个挑战。首先，欺骗检测的领域问题复杂，涉及多模态信息的整合和分析。其次，构建过程中需要确保数据的真实性和可靠性，特别是在情感表达和个性特征的收集上。此外，数据集的多样性和代表性也是一个重要挑战，需要涵盖不同背景和特征的参与者，以确保研究结果的普遍性和应用价值。最后，如何在多模态数据中有效提取和融合特征，以提高欺骗检测的准确性和鲁棒性，是当前研究的一个重要方向。

常用场景

经典使用场景

MDPE数据集在多模态欺骗检测领域中具有经典应用，通过整合视频、音频和文本等多模态信息，研究人员能够深入分析个体在欺骗行为中的非语言和语言线索。该数据集不仅收集了欺骗行为的相关数据，还包含了个体的性格特征和情感表达信息，从而为研究个体差异对欺骗行为的影响提供了丰富的资源。

解决学术问题

MDPE数据集解决了当前欺骗检测系统中数据不足的问题，特别是在评估多模态欺骗检测性能方面的挑战。通过提供包含性格和情感特征的多模态数据，该数据集为研究者提供了一个全面的平台，以探索和验证个体差异在欺骗检测中的作用，从而推动了情感计算领域的发展。

实际应用

MDPE数据集在实际应用中具有广泛的前景，特别是在安全监控、人机交互和法律取证等领域。例如，在安全监控中，该数据集可以帮助开发更准确的欺骗检测算法，以识别潜在的威胁行为。在人机交互中，通过分析用户的情感和性格特征，系统可以提供更加个性化和有效的交互体验。

数据集最近研究

最新研究方向

在情感计算领域，MDPE数据集的最新研究方向聚焦于多模态欺骗检测，特别是结合人格特质和情感表达特征的分析。该数据集不仅收集了受试者的欺骗信息，还包含了人格和情感表达信息，为研究个体差异对欺骗行为的影响提供了丰富的资源。研究者们通过多模态信号的融合，探讨了人格特质和情感线索在欺骗检测中的作用，为开发基于个体差异的欺骗检测方法提供了新的可能性。此外，MDPE数据集还支持人格识别和情感识别任务，进一步推动了情感计算领域的发展。

相关研究论文

• MDPE: A Multimodal Deception Dataset with Personality and Emotional Characteristics

  中国科学院自动化研究所 · 2024年