Emovideo : automatic prediction of emotional responses to videos using its cinematic features

Detalhes bibliográficos
Autor(a) principal: Graça, Silvana Moreira
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/53904
Resumo: Tese de mestrado, Engenharia Informática (Engenharia de Software), Universidade de Lisboa, Faculdade de Ciências, 2022
id RCAP_684202bfc71ef105969ed5b4a69c1004
oai_identifier_str oai:repositorio.ul.pt:10451/53904
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Emovideo : automatic prediction of emotional responses to videos using its cinematic featuresfeatures cinemáticasclassificação de emoçõesestimação de emoçõesrede neural convolucionalanálise afetiva de conteúdo de vídeoTeses de mestrado - 2022Departamento de InformáticaTese de mestrado, Engenharia Informática (Engenharia de Software), Universidade de Lisboa, Faculdade de Ciências, 2022Movies can evoke intense emotions in their audiences and are often used in the field of psychology to study emotion. Predicting how video content affects viewer’s emotional response has become a popular area of research over the past years due to its extensive applications. In order to provoke an emotional response, film makers use a variety of techniques while of filming and editing a movie. However, there are not many studies on how these techniques affect viewer’s emotional responses and if they can be used solely to predict these responses. With this work we developed a solution that predicts emotional responses to videos using cinematic features. To accomplish this goal, we started by studying cinematic techniques and their effects on viewer’s emotions. With this information, we decided to focus on shot length, key lighting, shot type and camera movement in this work. Then, we experimented with different methods to extract these features from videos. First, we used a trained model to segment videos into shots, and then segmented these shots into frames, key frames, dense flow frames and frames with the subject and background isolated. The key lighting was calculated from the contrast of each key frame. We trained and tested models to classify shot type and camera movement, with different Convolutional Neural Networks, parameters, types of frames and labels. The best results achieved were 81% for shot type and 89% for camera movement. Lastly, we created models to predict valence and arousal values with classification and regression algorithms using all the extracted cinematic features. Overall, our method had results close to previous works, especially with error metrics, with only cinematic features. This shows they affect viewers’ valence and arousal and can be a tool in predicting exact values, while providing interpretability.Fonseca, Manuel João Caneira Monteiro da, 1968-Repositório da Universidade de LisboaGraça, Silvana Moreira2022-07-21T12:58:40Z202220212022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/53904TID:202994880enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T17:00:09Zoai:repositorio.ul.pt:10451/53904Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:04:53.699Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Emovideo : automatic prediction of emotional responses to videos using its cinematic features
title Emovideo : automatic prediction of emotional responses to videos using its cinematic features
spellingShingle Emovideo : automatic prediction of emotional responses to videos using its cinematic features
Graça, Silvana Moreira
features cinemáticas
classificação de emoções
estimação de emoções
rede neural convolucional
análise afetiva de conteúdo de vídeo
Teses de mestrado - 2022
Departamento de Informática
title_short Emovideo : automatic prediction of emotional responses to videos using its cinematic features
title_full Emovideo : automatic prediction of emotional responses to videos using its cinematic features
title_fullStr Emovideo : automatic prediction of emotional responses to videos using its cinematic features
title_full_unstemmed Emovideo : automatic prediction of emotional responses to videos using its cinematic features
title_sort Emovideo : automatic prediction of emotional responses to videos using its cinematic features
author Graça, Silvana Moreira
author_facet Graça, Silvana Moreira
author_role author
dc.contributor.none.fl_str_mv Fonseca, Manuel João Caneira Monteiro da, 1968-
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Graça, Silvana Moreira
dc.subject.por.fl_str_mv features cinemáticas
classificação de emoções
estimação de emoções
rede neural convolucional
análise afetiva de conteúdo de vídeo
Teses de mestrado - 2022
Departamento de Informática
topic features cinemáticas
classificação de emoções
estimação de emoções
rede neural convolucional
análise afetiva de conteúdo de vídeo
Teses de mestrado - 2022
Departamento de Informática
description Tese de mestrado, Engenharia Informática (Engenharia de Software), Universidade de Lisboa, Faculdade de Ciências, 2022
publishDate 2021
dc.date.none.fl_str_mv 2021
2022-07-21T12:58:40Z
2022
2022-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/53904
TID:202994880
url http://hdl.handle.net/10451/53904
identifier_str_mv TID:202994880
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134600410169344

Registros relacionados