摘要：得益于深度卷积神经网络的复兴和发展，以人为中心的视觉感知计算，特别是人脸识别在过去10年取得了显著的进步。本报告将介绍“后人脸识别时代”，计算机视觉为测量或评估人类生理信号、心理状态和精神状况等情感感知任务带来的新机会。报告将重点介绍报告人团队在遥测PPG信号及心率估计、表情识别、面部动作（AU）检测、视线估计和跟踪等方面的最新研究进展。特别是针对该领域标注数据严重不足的问题，如何借鉴各类先验知识设计自监督学习损失函数以利用更大规模无标注数据的方法，并讨论相关领域面临的挑战和未来发展趋势。

简介：山世光，中科院计算所研究员、博导，中国科学院大学岗位教授，中科院智能信息处理重点实验室常务副主任。研究领域为计算机视觉、模式识别、机器学习，在国内外刊物和学术会议上发表论文300余篇，其中CCF A类论文130余篇，论文被国内外同行引用28000余次。现/曾任IEEE TIP, CVIU, PRL, Neurocomputing, FCS等国际学术刊物的编委(AE)，曾任CVPR，ICCV，AAAI和IJCAI等二十余次国际学术会议的Area Chair。研究成果获2015年度国家自然科学二等奖，2005年度国家科技进步二等奖。他是国家基金委优青，国家万人计划计划领军人才，国务院特殊津贴专家，CCF青年科学家奖获得者，腾讯科学探索奖获得者。2021年当选IEEE Fellow。

摘要：近年来，越来越多的研究致力于提取不同类型的脑电特征，用于智能解析脑电信号里情感类型。然而，目前基于脑电的情感计算研究面临两个难题：（1）由于脑电样本数据量小的特点，高维脑电特征将给基于脑电的情感计算带来困难；（2）由于头皮电极无法直接捕获包含情感信号的源信号，以往研究尚无法分析与情感神经活动信息传播的脑区位置或脑区之间的相互作用。为了解决上述问题，我们设计了多种基于正交回归和特征加权的嵌入式特征选择算法，利用脑电特征全局冗余特性和多维情感全局关联特性，来去除冗余和含噪的脑电特征，以提高情感识别任务的准确性和效率。此外，基于全局皮层因子的多变量自回归方法，我们提出了一种基于脑电信号源的脑网络框架，用于提取情感不同脑区间相互作用信息。上述研究为基于脑电的情感计算研究提供了新方法和新思路。

简介：邬霞，北京师范大学人工智能学院教授，认知神经科学与学习国家重点实验室研究员，博士生导师。先后承担了科技部重点研发计划、国家自然科学基金委优秀青年基金、教育部新世纪优秀人才支持计划、国家自然科学基金委面上项目等国家、部委、市级科研项目逾十项。以第一完成人获吴文俊人工智能科学技术奖自然科学一等奖、教育部高等学校科学研究优秀成果奖二等奖、茅以升北京青年科技奖等奖项。以第一作者或通讯作者身份，在IEEE TNNLS、IEEE TAFFC、IEEE TKDE、IEEE TBME、MedIA、HBM、NEUROIMAGE、JNE等信息学科和认知神经科学交叉学科领域国际顶级期刊，以及IPMI、MICCAI等医学图像处理顶级国际会议上，发表学术论文近百篇。

摘要：细粒度情感分析旨在识别文档中特定实体或者特定类别的情感极性，是情感分析的一个重要方向。目前基于预训练语言模型和句法树的图神经网络编码成为了主流的研究方法。虽然此类方法可以引入外部的句法知识，识别情感实体相关的情感表达式，但是传统的句法树并没有针对特定的领域和情感实体优化，仍然有一些不足。为此，我们提出了基于结构化隐变量的细粒度情感分析方法，针对特定的情感实体，自动归纳出情感实体相关的结构。特别地，我们介绍了基于重参数化的连续型稀疏图的方法和基于强化学习的离散型结构化隐变量的方法，相关的工作分别发表于EMNLP2020和ACL2022。实验表明，与句法树相比，自动学习的结构化隐变量在细粒度的情感分析任务中有相当甚至更好的性能。我们所提出的方法具有不依赖外部的句法分析器，可以应用于多领域多语言的优点。同时，引入的结构化隐变量作为一种中间过程，也增强了模型的可解释性。

简介：张岳，西湖大学特聘研究员，主要研究领域为自然语言处理、文本挖掘、机器学习等。研究成果包括自左向右处理文本的结构预测算法、多任务融合学习的联合模型、自然语言处理和人类常识研究，以及金融市场应用。发表国际期刊论文30余篇，CCF列表 A、B 类国际会议论文百余篇。获CCF2018中文计算与自然语言处理青年新锐奖、SemEval2020 Honorable Mention、COLING2018和IALP2017最佳论文奖等奖项。

摘要：面向如何从互联网海量异构数据中获取用户情感、以及如何把情感计算与心理健康分析相关联等技术挑战，本次报告将系统介绍在网络海量数据的情感计算与交互方面开展的研究工作，重点介绍情感维度属性与情感认知表征的关联方法、融合深度学习与因子图的海量跨模态异构数据的情感预测模型、以及面向心理健康的情感计算方法等。此外，报告还将展示基于网络海量数据情感计算的其它相关应用研究，例如如何让计算机能够“欣赏”人类眼中的美学。

简介：贾珈，清华大学计算机系长聘教授、博导，国家级青年人才称号获得者。目前担任中文信息学会理事、中国计算机学会语音对话与听觉专委会秘书长、中文信息学会语音专业委员会秘书长、中国图像图形学学会情感计算与理解专委会副主任等；担任ACM TOMM编委（AE），十余次担任ACM Multimedia等国际会议程序委员会主席（TPC）或领域主席（AC）。作为项目负责人承担科技部重点研发计划“前沿科技创新”重大项目等二十余项科研项目。以第一完成人获得教育部科技进步二等奖，曾获电子学会科技进步一等奖等省部级奖励，曾获国际学术会议ACM Multimedia和IJCAI等四项论文奖励。

摘要：报告简要介绍情绪理论的发展历程以及情感计算的研究内容，以脑电、表情和语音为代表，分别从生理和行为方面简要介绍情感识别的研究方法和进展，并简要介绍情感识别在医疗、教育等不同领域的应用。

简介：东南大学二级教授，儿童发展与学习科学教育部重点实验室主任、中国认知科学学会理事。主要从事情感计算、计算机视觉，模式识别等领域的研究。担任《IEEE Transactions on Affective Computing》、《Visual Computer》、《中国图象图形学报》等国内外期刊编委。主持国家自然科学基金重点、联合重点项目、科技部973课题等项目，获IEEE计算机协会2020情感计算汇刊最佳论文奖、IEEE情感计算汇刊2021最佳论文奖、国家技术发明二等奖、教育部自然科学二等奖、江苏省科技进步二等奖等奖项。

摘要：文本情感计算旨在赋予计算机像人一样的观察、理解和生成各种文本情感表达的能力。现如今文本情感计算成为社会经济发展和民生改善的迫切需要，在电子商务、舆情分析、智能客服、智能陪伴、精神健康等领域均发挥重要的作用。本次报告重点介绍文本情感计算最新的技术前沿，以及在交叉学科如：社会科学、心理学、脑科学等展露出的巨大前景。

简介：赵妍妍，哈尔滨工业大学计算机学院副教授、博士生导师，加州大学伯克利分校访问学者。研究方向:文本情感分析、社会计算。近年来主持项目多项，包括国家自然科学面上基金、青年基金、教育部人文社科项目等。参与国家项目多项，包括国家973项目、国家自然科学基金重大项目、国家自然科学基金重点项目等。获黑龙江省科技进步一等奖、黑龙江省科技进步二等奖，以及中国人工智能学会 2018 年度最佳青年科技成果奖。

摘要：聚焦心理对话代理等服务机器人的人工智能场景，阐述科学认知心理学的理论进展与模型，阐述发展趋势，讲述交叉融合的可能等主题。

简介：倪士光清华大学深圳国际研究生院教授，兼任北京师范大学心理学部心理与行为大数据导师，清华大学心理学系博士，深圳新一代互动媒体技术创新重点实验室副主任，主要从事人工智能与积极心理学的交叉研究。

简介：宋睿华博士，中国人民大学高瓴人工智能学院长聘副教授，曾任微软亚洲研究院主管研究员和微软小冰首席科学家。她的算法完成了人类史上第一本人工智能创作的诗集《阳光失了玻璃窗》。她也是文澜多模态预训练项目的学术带头人，已发布6.5亿图文数据上预训练的文澜2.0和1千万视频文本数据上预训练的文澜3.0，并成功落地多个产品（如OPPO手机中的为视障人士读图功能）。宋睿华博士是具有国际影响力的人工智能科学家，发表学术论文90余篇，申请国际专利25项。最近的研究兴趣包括多模态理解、创作和交互。她是SIGIR 2021短文的PC Chair，EMNLP 2021的Senior Area Chair，和Information Retrieval Journal的主编。