VibViz-Dataset

该数据集包含用于VibViz库的所有振动数据，包括其.wav文件、聚合评分和标签，以及感觉、情感、隐喻和使用方面的MDS维度。数据集详细记录了每个振动的唯一标识、索引、参与者的平均评分（范围为-3到+3），以及感觉、情感、隐喻和使用方面的标签和MDS维度。

This dataset encompasses all vibration data utilized by the VibViz library, including its .wav files, aggregated scores and labels, as well as MDS dimensions pertaining to sensation, emotion, metaphor, and usage. The dataset meticulously documents each vibration's unique identifier, index, average participant ratings (ranging from -3 to +3), and labels along with MDS dimensions in the aspects of sensation, emotion, metaphor, and usage.

原始信息汇总

VibViz-Dataset 概述

数据集内容

• 音频文件: 包含120个.wav格式的振动音频文件，位于 "viblib" 文件夹中。
• 注释文件: "vibrationAnnotations-July24th2016.csv" 文件包含以下信息：
  • 振动标识: 每个振动的唯一标识符，与振动波文件名匹配。
  • 索引: 振动在库中的索引，仅用于编程目的。
  • 评分: 参与者在Likert量表上的平均评分，范围为[-3,+3]，涉及以下属性：
    • 能量
    • 节奏
    • 粗糙度
    • 愉悦度
    • 唤醒度
  • 标签:
    • 感觉标签
    • 情感标签
    • 隐喻
    • 使用示例
  • MDS维度: 通过经典MDS分析得出的振动距离维度，包括：
    • 感觉维度:
      • 复杂度 (sensationD1)
      • 连续性 (sensationD2)
      • 粗糙度 (sensationD3)
      • 持续时间 (sensationD4)
    • 情感维度:
      • 激动度 (emotionD1)
      • 活力 (emotionD2)
      • 奇异性 (emotionD3)
    • 隐喻维度:
      • 开关与微妙 vs. 持续与重复 (metaphorD1)
      • 自然 vs. 机械 (metaphorD2)
    • 使用维度:
      • 意识 vs. 注意力需求 (UsageD1)

许可证

本数据集遵循Creative Commons Attribution 4.0 International License。

搜集汇总

数据集介绍

构建方式

VibViz-Dataset的构建基于对120个振动波文件的详细分析与标注。每个振动波文件均配有独特的标识符，并与相应的属性数据相匹配。数据集通过参与者对振动的主观评价，采用Likert量表从-3到+3的评分范围，量化了振动在能量、节奏、粗糙度、愉悦度和唤醒度等方面的特性。此外，通过经典的多维尺度分析（MDS），数据集进一步提取了振动在感觉、情感、隐喻和使用方面的多维度特征，如复杂性、连续性、粗糙度等，从而构建了一个多层次、多维度的振动特性描述体系。

使用方法

VibViz-Dataset适用于多种研究场景，尤其是在振动感知、情感计算和人机交互领域。研究者可以通过分析振动波文件及其对应的属性数据，探索振动在不同维度上的特性分布，并利用MDS维度进行振动之间的相似性比较。此外，数据集中的标签信息可用于振动分类和情感预测模型的训练。使用者可以直接访问数据集中的.wav文件和CSV文件，进行数据分析和模型构建，同时参考数据集提供的MDS维度信息，进行更深入的振动特性研究。

背景与挑战

背景概述

VibViz-Dataset 是由加拿大不列颠哥伦比亚大学（UBC）的Seifi研究团队创建的，专注于振动感知与情感体验的研究数据集。该数据集于2016年发布，包含了120个振动波形文件（.wav格式）及其相关的多维度属性标注，涵盖了感觉、情感、隐喻和使用场景等多个方面。通过经典的多维尺度分析（MDS），研究人员对振动进行了深入的量化分析，旨在探索振动在不同应用场景中的感知特性与情感反应。该数据集的发布为振动感知与交互设计领域的研究提供了宝贵的资源，尤其在人机交互、情感计算和用户体验设计等方面具有重要的应用价值。

当前挑战

VibViz-Dataset 在构建过程中面临了多重挑战。首先，振动感知的主观性较强，如何通过客观的量化指标来准确反映用户的感知体验是一个复杂的问题。其次，数据集的标注涉及多个维度，包括感觉、情感、隐喻和使用场景，如何确保这些标注的一致性和可靠性是一个技术难点。此外，振动波形的多样性和复杂性使得多维尺度分析（MDS）的计算过程变得复杂，如何在保持数据准确性的同时提高计算效率也是一个挑战。最后，该数据集的应用场景广泛，如何在不同领域中有效利用这些数据，仍需进一步的研究和探索。

常用场景

经典使用场景

VibViz-Dataset在振动感知与情感分析领域具有广泛的应用前景。该数据集包含了120个振动信号的.wav文件及其相关的多维度属性，如能量、节奏、粗糙度、愉悦度和唤醒度等。这些数据为研究人员提供了丰富的素材，用于探索振动信号与人类情感反应之间的复杂关系。通过分析振动信号的特性，研究者可以深入理解不同振动模式如何引发特定的情感体验，从而为振动设计与情感计算提供理论支持。

解决学术问题

VibViz-Dataset为振动感知与情感计算领域的研究提供了重要的数据支持。该数据集通过多维度的振动属性标注，解决了振动信号与情感反应之间关联性的量化问题。具体而言，数据集中的多维尺度分析（MDS）维度，如复杂度、连续性和粗糙度等，为研究者提供了振动信号的结构化描述，有助于揭示振动信号如何影响人类的情感状态。这一研究不仅深化了对振动感知机制的理解，还为情感计算和用户体验设计提供了新的研究方向。

实际应用

VibViz-Dataset在多个实际应用场景中展现了其重要价值。例如，在移动设备和可穿戴设备的振动反馈设计中，该数据集可以用于优化振动模式，以提升用户的情感体验和操作便捷性。此外，在医疗领域，振动信号的情感分析有助于开发更具人性化的康复设备，通过调整振动模式来改善患者的情绪状态。在娱乐产业中，该数据集也可用于设计更具吸引力的游戏振动反馈，增强用户的沉浸感。

数据集最近研究

最新研究方向

在振动感知与情感计算领域，VibViz-Dataset因其丰富的振动数据和多维度的情感标签而备受关注。该数据集不仅包含了120个振动波文件，还通过多维尺度分析（MDS）提取了振动在感觉、情感、隐喻和使用场景方面的特征维度。最新的研究方向集中在利用这些多维度特征进行情感识别与分类，尤其是在人机交互和虚拟现实中的应用。此外，研究者们正探索如何通过深度学习模型从振动数据中提取更精细的情感特征，以提升情感计算的准确性和鲁棒性。这些研究不仅推动了振动感知技术的发展，也为情感驱动的交互设计提供了新的可能性。