实验室成员黄杰、郑仕鑫、饶轩衡同学在孙晓教授的指导下在IEEE Transactions on Image Processing上发表论文：“Personality Assessment based on Multi-Modal Attention Network Learning with Category-based Mean Square Error”。

人格分析被广泛用于职业能力测试和入学心理测试中。然而，一次回答数百个问题似乎是一种负担。受人格心理学的启发，我们提出了一种基于类别的均方误差（CBMSE）的多模态注意力网络，用于人格评估。通过这种方法，我们可以从一个人的日常视频中获得他的行为信息，包括他的目光分布、言语特征和面部表情变化，从而准确判断人格特征。特别是，我们提出了一种新的方法来实现基于面部不感兴趣区域（RoNI）的注意力机制，它可以达到更高的准确性，并减少网络参数的数量。同时，我们使用CBMSE，一个对人格评估中的模糊边界有较高惩罚的损失函数，来帮助网络区分边界数据。经过有效的数据融合，该方法在与ECCV 2016相关的ChaLearn Looking at People挑战赛的数据集上实现了92.07%的平均预测精度，高于其他最先进的模型。

IEEE Transactions on Image Processing是图像处理领域顶刊，专注于图像处理、成像系统和图像扫描、显示和打印的信号处理方面。