AMIGOS dataset
论文：AMIGOS: A Dataset for Affect, Personality and Mood Research on Individuals and Groups
数据下载：https://github.com/CodeStoreHub/EEG-datasets
完整数据共676GB
数据介绍
AMIGOS数据集专门用于多模态的情感、个性特质和情绪研究，涉及个体和群体情境。与之前的数据集不同，AMIGOS允许研究参与者在观看情感视频时通过脑电图(EEG)、心电图(ECG)和皮肤电反应(GSR)等神经生理信号来分析他们的情感反应。这种实验设置独特之处在于，它能够探讨社会情境和视频时长（短视频或长视频）对情感反应、情绪和个性特征的影响。
2. 数据集设计
数据集通过两种实验设置来收集：
- 短视频实验：40名参与者观看了16个短情感视频。
- 长视频实验：同一批参与者观看了4个长视频，有时是单独观看，有时是与群体一起观看。
在实验过程中，作者记录了参与者的神经生理信号，同时还采集了他们的面部和全身视频数据。
3. 数据收集与标注
数据集包括：
- 神经生理信号：EEG、ECG和GSR
- 面部高清摄像记录
- 全身RGB和深度视频记录
- 自我评估：参与者在观看视频时对自己的情感状态（愉悦度、唤醒度、控制感、喜欢程度和熟悉度）进行评分。
- 外部评估：由外部标注员对情感的愉悦度和唤醒度进行评估。
4. 主要贡献
AMIGOS数据集具有以下几个创新特点：
- 包含了基于大五人格模型的个性特质评估和基于PANAS的情绪评估，这与传统的情感数据集不同。
- 提供了**内部（自我评估）和外部（标注员评估）**的情感标注，并对两者进行了详细的相关性分析。
- 分析了参与者情感反应与其个性和社会情境的关联。
5. 实验设置
实验旨在捕捉多样的情感状态。短视频实验更具控制性，能够快速引发情感反应；长视频实验则模拟了更复杂的群体情境情感体验。参与者的个性特质通过“大五人格模型”测量，情绪通过PANAS量表进行评估。
6. 研究发现
主要研究发现包括：
- 内部评估和外部评估之间存在显著相关性，这表明外部评估可以很好地反映参与者的情感状态。
- 在长视频实验中，群体情境中的参与者表现出的唤醒度和愉悦度显著高于独自观看的参与者。
- AMIGOS数据集在使用神经生理信号预测个性特质和情感状态方面，优于之前的研究成果。
7. 应用场景
该数据集对开发情感计算模型、个性预测模型，以及理解社会情境如何影响情感反应具有重要意义。该研究的应用领域包括自适应媒体系统、游戏、人机交互和社会机器人等。
总的来说，AMIGOS数据集是一个全面的工具，能够通过神经生理信号和视频数据，研究情绪、个性和社会情境如何影响个体的情感反应，适用于各种实验设置。
数据预览
数据下载：https://github.com/CodeStoreHub/EEG-datasets
