Aktuelle Forschungsthemen

Automatische Affekterkennung: 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. Mit diesem Datenmaterial wollen wir Algorithmen des maschinellen Lernens zur Affekterkennung entwickeln. Da es sich bei dem Datenmaterial um Videodaten handelt, können innovative Ansätze zur Integration verschiedener Modalitäten (Stimme, Mimik, Blickverhalten) genutzt werden.

Computergestützte Stressmessung: Die Messung von Stress konzentriert sich bisher hauptsächlich auf Selbstberichte oder einzelne Parameter der physiologischen Reaktion. In verschiedenen Stressparadigmen wollen wir das nonverbale Verhalten von Probanden zusammen mit physiologischen Markern erfassen. Basierend auf diesen multimodalen Daten entwickeln wir Algorithmen zur automatischen Stresserkennung und validieren diese in natürlichen Umgebungen.

Analyse der sozialen Interaktion: Um die soziale Integration einer Person zu beurteilen, verwenden Kliniker*innen und Forscher*innen häufig Fragebögen. Um die soziale Integration einer Person sensibler und objektiver zu erfassen, wollen wir eine automatische Analyse von Daten aus sozialen Online-Interaktionen entwickeln. In einer großen Online-Studie vergleichen wir die Sensitivität dieses Ansatzes mit klassischen Fragebögen. Darüber hinaus identifizieren wir mit Hilfe von maschinellem Lernen charakteristische und hilfreiche Interaktionsmuster, um die soziale Einbettung und Resilienz der Befragten vorherzusagen.