Bisherige Lösungen zur Affekterkennung basieren auf nicht-repräsentativen und unrealistischen Datensätzen. Der erste Schritt zu einer besseren Emotionserkennung ist daher die Erhebung eines ausgewogenen Videodatensatzes in einer möglichst natürlichen Situation mit standardisierten Testverfahren. Zu diesem Zweck haben wir zwei Paradigmen entwickelt: Der Berlin Emotion Recognition Test (BERT) ist eine computergestützte Aufgabe zur sensitiven Beurteilung der Emotionserkennung einer Person. Der Simulated Interaction Task (SIT) ist eine simulierte soziale Interaktion, die nonverbales Interaktionsverhalten aufzeichnet. Mit diesen Daten entwickeln wir maschinelle Lernalgorithmen zur Affekterkennung, wobei wir innovative Fusionsansätze zur Integration verschiedener Modalitäten (Stimme, Mimik, Blickverhalten) verwenden.
Diese Forschung wird durch das Drittmittel "Empathische Künstliche Intelligenz" (EKI), FKZ 01IS20046, gefördert.