摘要：多模态观众反馈数据集是一个面向演出场景观众行为分析、情感计算与参与度评估研究的多模态数据集，主要用于研究音乐和舞蹈表演过程中观众的反应模式与互动行为。
数据集概述
多模态观众反馈数据集是一个面向演出场景观众行为分析、情感计算与参与度评估研究的多模态数据集，主要用于研究音乐和舞蹈表演过程中观众的反应模式与互动行为。该数据集融合了音频、图像和生理信号三类信息，能够从声学反应、视觉行为和生理唤醒等多个角度刻画观众在现场表演中的参与状态。数据集中包含 21,800 个音频样本（.mp3）、**2,615 张图像（.png）**以及以 CSV 格式保存的生理测量数据，为分析观众情绪、注意力、热情程度和整体参与水平提供了较为完整的数据基础。
数据结构与关键特征
该数据集由三种主要模态构成。第一类是音频模态，包含观众在音乐和舞蹈表演期间的反应声音，核心特征包括 MFCC 1–13、RMS 能量、频谱质心、过零率（ZCR）和掌声强度，可用于分析节奏响应、声学活跃度和群体热情。第二类是视觉模态，由 2,615 张图像组成，标注信息包括面部表情评分、微笑率、注视注意力、身体运动强度和面部熵，可用于研究观众表情变化、注视行为和肢体互动。第三类是生物特征模态，以 CSV 文件形式存储，主要包括心率（HR）、皮肤电活动（EDA）以及 X、Y、Z 三轴运动加速度等指标，可用于反映观众在表演过程中的生理唤醒和动作状态。整体目录中提到的 Audience_Multimodal_Data 可理解为核心多模态数据目录，而“受众参与度”等内容则与观众互动和参与分析密切相关。
应用价值与研究方向
该数据集在智能文娱分析、情感识别、观众参与度建模和多模态人工智能领域具有较高应用价值，可用于观众情绪识别、现场反馈分析、演出效果评估和用户体验研究。研究人员可以采用音频模型提取观众声学反应特征，利用计算机视觉方法分析面部表情与身体动作，并结合生理信号建模观众的唤醒状态，再通过多模态融合方法实现更准确的观众参与度预测。进一步研究方向包括音乐与舞蹈表演质量评估、群体情绪传播分析、观众满意度预测、个性化演出推荐、现场互动系统设计以及面向文娱产业的智能决策支持系统开发，从而为数字演艺、沉浸式体验和智能文化产业提供技术支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-449
文件大小：700M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)