面部表情的识别与预测：空间频率滤波的影响

关于视频会议中面部表情预测的博士学位研究，重点在于空间频率处理方面。申请者应拥有神经科学、认知科学或心理学专业的硕士学位，并具备出色的实验技能。

职位说明： 项目描述： 视频会议作为协作工具的使用频率日益增加。在此情境下，存在多种类型的信息：参与者所表达的言语与非言语信息，以及视觉内容（幻灯片、协作文字处理文档、共享笔记文档）。为了实现有效的互动，能够快速识别参与者面部表情所表达的情绪信号至关重要。这种快速识别被认为依赖于个体预测（即自动推断）面部表情后续变化的能力（Prigent等，2018）。 这种预测能力，在大脑的预测机制支持下，也有助于补偿运动的突然中断，例如当屏幕上的说话者被另一个人突然替换时。 这种快速预测机制可能依赖于大脑处理视觉信息的方式。神经科学研究表明，面部表情图像中的低空间频率与高空间频率被不同地处理。低空间频率被快速处理，有助于对情绪表达进行整体理解（Vlamings等，2009；Wang等，2021），而高空间频率则需要更长时间分析，但能提供更详细的面部表情信息。许多此类研究集中于静态面部表情，但很少有研究探讨动态表情，尽管动态表情在日常人际互动中具有更为重要的意义。 更少的研究探讨了其感知所涉及的预测机制。 本项目旨在研究空间频率滤波（高空间频率与低空间频率）对识别情绪面部表情以及预测这些面部表情的延续性所产生的影响。 从申请角度来看，本博士项目的目标是确定在视频会议场景中，应如何显示与面部相关的信息（通过空间频率过滤技术），以辅助用户。

所需个人背景与技能： - 神经科学、认知科学或心理学硕士学位。 — 对实验与统计方法学有扎实的掌握。 — 具有活力、积极主动且自主的申请者。 - 根据个人技能情况，也可考虑其他类型的培养计划。