<div dir="ltr"><div dir="ltr"><div><div>2nd CALL FOR PAPERS</div><div><br></div><div>IEEE Transactions on Affective Computing</div><div>Special Issue on Automated Perception of Human Affect from Longitudinal Behavioral Data</div><div><br></div><div>Website: <a href="https://www2.informatik.uni-hamburg.de/wtm/omgchallenges/tacSpecialIssue2018.html">https://www2.informatik.uni-hamburg.de/wtm/omgchallenges/tacSpecialIssue2018.html</a></div><div><br></div><div><br></div><div> I. Aim and Scope</div><div><br></div><div>Research trends within artificial intelligence and cognitive sciences are still heavily based on computational models that attempt to imitate human perception in various behavior categorization tasks. However, most of the research in the field focuses on instantaneous categorization and interpretation of human affect, such as the inference of six basic emotions from face images, and/or affective dimensions (valence-arousal), stress and engagement from multi-modal (e.g., video, audio, and autonomic physiology) data. This diverges from the developmental aspect of emotional behavior perception and learning, where human behavior and expressions of affect evolve and change over time. Moreover, these changes are present not only in the temporal domain but also within different populations and more importantly, within each individual. This calls for a new perspective when designing computational models for analysis and interpretation of human affective behaviors: the computational models that can timely and efficiently adapt to different contexts and individuals over time, and also incorporate existing neurophysiological and psychological findings (prior knowledge). Thus, the long-term goal is to create life-long personalized learning and inference systems for analysis and perception of human affective behaviors. Such systems would benefit from long-term contextual information (including demographic and social aspects) as well as individual characteristics. This, in turn, would allow building intelligent agents (such as mobile and robot technologies) capable of adapting their behavior in a continuous and on-line manner to the target contexts and individuals.</div><div><br></div><div>This special issue aims at contributions from computational neuroscience and psychology, artificial intelligence, machine learning, and affective computing, challenging and expanding current research on interpretation and estimation of human affective behavior from longitudinal behavioral data, i.e., single or multiple modalities captured over extended periods of time allowing efficient profiling of target behaviors and their inference in terms of affect and other socio-cognitive dimensions. We invite contributions focusing on both the theoretical and modeling perspective, as well as applications ranging from human-human, human-computer and human-robot interactions.</div><div><br></div><div>II. Potential Topics</div><div><br></div><div>Given computational models, the capability to perceive and understand emotion behavior is an important and popular research topic. That is why recent special issues on the IEEE Journal on Transactions on Affective Computing covered topics from emotion behavior analysis “in-the-wild” to personality analysis. However, most of the research published by these specific calls treat emotion behavior as an instantaneous event, relating mostly to emotion recognition, and thus neglect the development of complex emotion behavior models. Our special issue will foster the development of the field by focusing excellent research on emotion models for long-term behavior analysis.</div><div><br></div><div>The topics of interest for this special issue include, but are not limited to:</div><div><br></div><div>- New theories and findings on continuous emotion recognition</div><div>- Multi- and Cross-modal emotion perception and interpretation</div><div>- Lifelong affect analysis, perception, and interpretation</div><div>- Novel neural network models for affective processing</div><div>- New neuroscientific and psychological findings on continuous emotion representation</div><div>- Embodied artificial agents for empathy and emotion appraisal</div><div>- Machine learning for affect-driven interventions</div><div>- Socially intelligent human-robot interaction</div><div>- Personalized systems for human affect recognition</div><div><br></div><div>III. Submission</div><div><br></div><div>Prospective authors are invited to submit their manuscripts electronically, adhering to the IEEE Transactions on Affective Computing guidelines (<a href="https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=5165369">https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=5165369</a>). Please submit your papers through the online system (<a href="https://mc.manuscriptcentral.com/taffc-cs">https://mc.manuscriptcentral.com/taffc-cs</a>) and be sure to select the special issue: Special Issue/Section on Automated Perception of Human Affect from Longitudinal Behavioral Data. </div><div><br></div><div><br></div><div>IV. IMPORTANT DATES:</div><div><br></div><div>Submissions Deadline: 15th of January 2019</div><div>Deadline for reviews and response to authors: 06th of April 2019</div><div>Camera-ready deadline: 05th of August 2019</div><div><br></div><div>V. Guest Editors</div><div><br></div><div>Pablo Barros, University of Hamburg, Germany</div><div>Stefan Wermter, University of Hamburg, Germany</div><div>Ognjen (Oggi) Rudovic, Massachusetts Institute of Technology, United States of America</div><div>Hatice Gunes, University of Cambridge, United Kingdom</div></div>-- <br><div dir="ltr" class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><pre cols="72">Dr. Pablo Barros
Postdoctoral Research Associate - Crossmodal Learning Project (CML)
Knowledge Technology
Department of Informatics
University of Hamburg
Vogt-Koelln-Str. 30
22527 Hamburg, Germany
Phone: +49 40 42883 2535
Fax: +49 40 42883 2515
barros at <a href="http://informatik.uni-hamburg.de" target="_blank">informatik.uni-hamburg.de</a>
<a href="http://www.pablobarros.net" target="_blank">http://www.pablobarros.net</a>
<a href="https://www.inf.uni-hamburg.de/en/inst/ab/wtm/people/barros.html" target="_blank">https://www.inf.uni-hamburg.de/en/inst/ab/wtm/people/barros.html</a>
<a href="https://www.inf.uni-hamburg.de/en/inst/ab/wtm/" target="_blank">https://www.inf.uni-hamburg.de/en/inst/ab/wtm/</a></pre></div></div></div></div></div></div>