长时程自然交互
168 场由持证心理咨询师主导的半结构化访谈,在真实社交互动中激发丰富的非言语行为线索,而非短时片段的第一印象判断。
从视觉行为中理解人格特质仍面临诸多挑战。现有人格特质识别(PTI)基准多基于短时、众包标注的视频片段, 只能捕捉粗粒度的第一印象判断,缺乏时间连续性、临床效度,以及细粒度子特质结构。
168 场由持证心理咨询师主导的半结构化访谈,在真实社交互动中激发丰富的非言语行为线索,而非短时片段的第一印象判断。
为五大人格特质及 15 个 BFI-2 子特质提供连续评分,这是 PTI 领域首次覆盖完整子特质体系,由两位心理学专家独立评定。
包含专家 BFI-2 标注的 5,000 条人脸切片研究子集已于 Hugging Face 发布,按实名账号提交申请并经项目组人工审核后访问。
PersoMoni 在生态效度与计算可行性之间架起桥梁,既保留完整访谈的行为丰富性, 又提供面向模型训练的局部化视频片段单元。
当前已发布经标签分布筛选的 5,000 条处理后人脸切片:训练集 3,997 条、测试集 1,003 条,共 199,897 张 JPEG 帧及 20 个 BFI-2 人格目标。数据按实名账号申请并经人工审核后授权;本次发布不包含完整原始访谈视频。全量数据的 feature-map 处理与质量控制仍在进行中。
| 参与者 | 168 人(女 86 / 男 82) |
|---|---|
| 视频片段 | 20,000+ 人脸对齐片段 |
| 访谈时长 | 平均 25 分钟 / 场 |
| 分辨率 | 1080p @ 30 fps |
| 标签空间 | 20 维连续 BFI-2 向量 |
| 标注方式 | 双专家独立评分取均值 |
| 人口学分布 | 年龄与教育背景均衡 |
PersoMoni 是首个将人格计算粒度从 5 维拓展至 15 维的基准数据集, 与心理测量学验证的 BFI-2 层级框架完全对齐。
若您在研究中使用了 PersoMoni 数据集,欢迎引用我们的论文。
@article{cui2026persomoni,
author = {Cui, Feng-Qi and Huang, Jinyang and Zhao, Sirui and Li, Kun and Liu, Zhi and Li, Meng and Jia, Ziyu and Guo, Dan and Wang, Meng},
journal = {IEEE Transactions on Affective Computing},
title = {PersoMoni: A Comprehensive Video-Based Benchmark Dataset for Fine-grained Personality Assessment with 15 Trait Dimensions},
year = {2026},
pages = {1--14},
doi = {10.1109/TAFFC.2026.3698795},
url = {https://ieeexplore.ieee.org/document/11543185}
}