内容（剧集、电影、综艺）质量是内容行业的核心竞争力，内容数智化是辅助内容质量判断、沉淀经验规律的核心。

我们针对长视频内容，利用视觉、多模态 AI 算法，打造了 AI 内容创作理解，辅助内容数智化和质量提升。AI 内容创作理解的核心之一是情绪识别，不仅包括内容中角色的个体情绪表达，还包括角色交流体现的情绪关系，以及视频整体给观众带来的情绪。

为此我们开发了一系列情绪计算模型，包括静态表情识别、镜头级 ID-agnostic 情绪识别，交互情绪识别与观众情绪模拟等模型。模型分别从视觉、视听、视听台词等多模态视角，自动识别内容中的单人情绪波动，人物关系，以及观看影片时观众的情绪波动，并形成了角色张力、关系演进、高潮点等内容质量数字化指标。

情感计算模型成功应用于剧集、网大、院线等内容播前质量诊断与提升，具有潜在的商业价值。

演讲提纲：

1. 背景：内容创作行业与内容平台的痛点与需求
2. 基于 AI 的内容创作理解框架介绍
3. 模糊表达的人脸情绪识与镜头级多模态 ID 解耦情绪识别
4. 多模态用户观影情绪识别方法，从多模态时空融合到强化学习
5. 多模态人物交互情绪关系识别
6. 情绪识别在内容创作质量诊断中的应用

你将获得：

1. 内容（剧综）视频理解与通用视频，监控视频理解的问题特殊性与解法特殊性
2. 基于视觉的人脸情绪识别的行业难点与创新做法
3. 有别于传统 FER，GER 等的基于多模态的新情绪分析任务与方法
4. 情绪识别在内容创作领域的应用概况