SEED-VII：用于情绪识别的具有连续标签的六种基本情绪多模态数据集

基于摘要分析。该研究面向生理信号情绪识别对高质量数据的需求，提出 SEED-VII 多模态数据集，采集 EEG 与眼动信号，并以连续标签描述情绪强度；同时提出 Multimodal Adaptive Emotion Transformer（MAET），支持单模态和多模态输入。 数据与标注：SEED-VII 包含快乐、悲伤、恐惧、厌恶、惊讶、愤怒六种基本情绪及中性情绪，共七类，由 80 个不同视频诱发。连续标签表示相应情绪的强度，不宜直接等同于连续效价或唤醒度标注。被试人数、采集设备、通道配置、会话安排、标签获取方式及数据开放条件尚未验证。 方法机制：MAET 使用对抗训练缓解被试差异，以增强域泛化能力，并可灵活处理单模态与多模态输入。摘要未说明模态融合机制、输入适配方式、对抗目标及训练流程，具体实现尚需全文核对。 结果与解释：作者报告，在被试依赖与跨被试条件下，MAET 对不同输入形式表现优于对照方法，但摘要未给出具体指标、数值、基线或数据划分。作者报告，利用连续标签筛选高情绪强度数据可以改善情绪识别表现，并观察到 EEG 与眼动的互补性及七类情绪的稳定神经模式；这些结论的统计支持与适用范围尚未验证。 复现重点：需核对连续标签与信号的时间对齐、强度筛选阈值及其对样本量和类别分布的影响，并确认跨被试协议、视频划分、模态对照与域泛化设置。筛选后高强度样本上的改善不能直接外推至完整数据或自然场景中的低强度情绪识别。实验协议、消融及统计信息尚未验证。