微表情是一种短暂的、微弱的、无意识的面部微表情，持续时间往往在0.5s内，能够揭示人类试图隐藏的真实情绪。微表情识别的研究旨在让机器有足够的智能，能够从人脸视频序列中识别人类的真实情绪。然而由于微表情持续时间短、面部肌肉运动强度低，对其进行准确的表征与识别是一项极具挑战性的任务。为了促进心理学领域和计算机视觉领域针对微表情的进一步研究，由中国图象图形学学会（CSIG）和中国科学院心理研究所举办、CSIG机器视觉专业委员会、CSIG情感计算与理解专业委员会和中科院青促会心理所小组联合承办，中国科学院心理研究所的王甦菁博士和李婧婷博士组织一系列云上微表情的学术活动。
第六十七期云上微表情于2025年08月15日晚7点进行，由中国科学院心理研究所王甦菁老师团队的李婧婷博士主持。此次讲座主题为“从生成式模型到情感认知：AI在心理学中的创新实践”，分别邀请来自北京大学鞠芊芊博士、清华博士研究生鲁雨晴介绍相关研究工作，欢迎大家关注！
鞠芊芊，北京大学心理与认知科学学院博士，师从甘怡群教授。现为该院博士后，合作导师为彭玉佳研究员，所在课题组为北京大学抑郁与焦虑计算神经临床与健康心理实验室（DACN Lab）。研究聚焦于应激与焦虑的认知神经与干预机制，关注计算精神病学和认知神经科学在健康心理学领域的交叉应用。即将入职上海体育大学心理学院，开展面向运动与心理健康相关研究。
报告题目：基于AI作图的社交图片数据库(SAIPS)筛查社交焦虑
报告摘要：社交焦虑是一种常见的焦虑障碍，严重影响个体生活和工作，亟需探究其机制。然而，缺乏标准化的社交焦虑图片数据库，限制了研究的深入性与可比性。现有情绪图片刺激针对性不足，且缺乏对图片客观属性和主观反应的定量描述，难以排除材料差异对结果的影响。
为此，本研究基于深度学习文生图模型开发了标准社交焦虑图片数据库，Social Artificial Intelligence Picture System（SAIPS）。该数据库包含279张多种族、多场景的社交图片（如公众演讲、小组讨论等）和118张控制图片，涵盖客观属性与主观评价（社交焦虑感受、效价、唤醒度等），收集了来自26个国家343名参与者的评定数据。
通过机器学习分析，研究发现SAIPS评分能稳定预测个体当前及一个月后的社交焦虑特质，即使仅使用25张图片也具较高预测准确性。SAIPS填补了社交焦虑实验材料的空白，具有作为临床筛查与早期诊断工具的潜力，并在知识共享许可下开放，为社交焦虑研究提供标准化、可重复、可比较的材料支持。
参考文献：
Ju, Q., Xu, Z., Chen, Z., Fan, J., Zhang, H., & Peng, Y. (2025). Screening Social Anxiety with the Social Artificial Intelligence Picture System. Journal of Anxiety Disorders, 109, 102955.
个人简介：
鲁雨晴，清华大学心理与认知科学系博士生，博士生导师为张丹副教授，研究方向为情感计算。
报告题目：基于提示工程的情绪图片生成方法及其心理学研究应用
报告摘要：标准化图片数据集在情绪研究中至关重要，但传统的创建方法通常需要大量人工投入，因此在覆盖范围上受到限制。人工智能（AI）的最新进展，特别是文本到图片生成（TIS）技术与提示工程的结合，为生成心理学研究所需的情绪图片提供了一种颇具前景的新途径。本研究引入了一种创新的情绪图片生成流程，包含种子提示词构建、提示词集生成和TIS图片生成三个步骤。我们使用Midjourney和ChatGPT作为工具，通过创建AI生成的情绪图片集（AGEIS）来评估该流程的有效性。该图片集涵盖了七种情绪类型：悲伤、恶心、欢乐、激励、恐惧、温情和中性。人工评估结果显示，AGEIS中的AI生成图片能够有效且精准地诱发目标情绪。此外，AGEIS图片在“被辨认为AI生成的可能性”（即真实性感知）方面与真实照片相当；不过，描绘恶心和温情情绪的AGEIS图片则更易被识别为AI生成。综上所述，该流程为情绪图片生成提供了一种成本效益高、可扩展性强的方法，有望推动情绪研究向新方向发展，例如开展大规模研究和纵向研究。
参考文献：
Lu, Y., Hu, X., & Zhang, D. (2025). A Prompt Engineering Method for Generating Emotional Images for Psychological Research. Affective Science, 1-14.