L3S Beste Veröffentlichung des Quartals (Q3+Q4/2025))
Kategorie: Emotion Recognition
EmoNet-Face: An Expert-Annotated Benchmark for Synthetic Emotion Recognition
Autoren: Christoph Schuhmann · Robert Kaczmarczyk · Gollam Rabby · Maurice Kraus · Felix Friedrich · Huu Nguyen · Kalyan Sai Krishna · Kourosh Nadi · Kristian Kersting · Sören Auer
Präsentiert bei NeurIPS 2025
Das Papier in Kürze:
Damit KI in der realen Welt wirklich nützlich sein kann, muss sie die subtilen Nuancen menschlicher Gefühle verstehen. Die meisten aktuellen Systeme erkennen jedoch nur wenige grundlegende Emotionen und weisen oft versteckte Vorurteile auf. Unsere Forschung, EmoNet Face, schließt diese Lücke, indem sie ein ausgeklügeltes „Emotionsvokabular” mit 40 verschiedenen Zuständen einführt, das über einfache Gefühle wie Freude oder Traurigkeit hinausgeht und komplexe Gefühle wie Bitterkeit und Scham erfasst. Um sicherzustellen, dass die Technologie für alle fair funktioniert, haben wir einen umfangreichen, demografisch ausgewogenen Datensatz entwickelt, der verschiedene Altersgruppen, Geschlechter und Ethnien mit hochwertigen, klaren Bildern repräsentiert. Das Ergebnis ist ein System, das menschliche Ausdrucksformen genauso genau erkennt wie ein menschlicher Experte und eine zuverlässige und inklusive Grundlage für die nächste Generation empathischer KI bietet.
Welches Problem lösen Sie mit Ihrer Forschung?
Das grundlegende Problem, mit dem wir uns befassen, ist, dass die heutige KI oft „emotional blind” und unbeabsichtigt voreingenommen ist, was sie für sensible Anwendungen in der realen Welt unzuverlässig macht. Die meisten KI-Systeme erkennen nur eine Handvoll grundlegender Emotionen und haben häufig Schwierigkeiten, zwischen subtilen, aber wichtigen Gefühlen zu unterscheiden, wie beispielsweise dem Unterschied zwischen einfacher Traurigkeit und komplexer Scham. Da viele KI-Modelle außerdem mit begrenzten, zufälligen Datensätzen trainiert wurden, funktionieren sie oft nicht präzise für verschiedene Ethnien, Altersgruppen und Geschlechter. Unsere Forschung ersetzt diese „stumpfen Instrumente” durch EmoNet Face, ein präzises Toolkit, das KI trainiert, 40 verschiedene emotionale Zustände zu verstehen, und gleichzeitig sicherstellt, dass die Technologie für alle Menschen, unabhängig von ihrem Hintergrund, fair und präzise funktioniert.
Link zum vollständigen Artikel: https://arxiv.org/abs/2505.20033
