我的私人夜生活：通过众包视频理解年轻人的个人空间

年轻人的私人夜生活环境可能具有特定的氛围、物理属性和活动，但目前对此知之甚少。例如，以往研究使用Foursquare或Airbnb的图片记录家庭的氛围和物理特征，但有理由怀疑这些有摆拍痕迹的数据无法可靠地代表真实生活场景。作为首次使用手动标注描述家庭物理和氛围特征并使用机器提取特征预测氛围特征的尝试，我们使用了一个独特的数据集，包含301个由年轻人在周末夜间实地录制的家庭环境众包视频。五位独立标注员对大多数特征的一致性很高。标注任务结果揭示了年轻人家庭空间特征的各种模式，如房间类型（如主要是客厅和卧室）、朋友的数量和性别、正在进行的活动类型（如独自看电视或玩电脑；与他人一起喝酒、聊天和吃饭）及其相关性。然后，深度学习提取的地点对象和场景特征被发现与氛围高度相关，而声音特征主要识别「音乐」和「语音」。最后，使用这些特征预测氛围的回归任务结果表明，六个氛围类别可以以[0.21, 0.69]范围内的R²进行推断。我们的工作在数据类型（即真实生活的家庭众包视频）和分析设计（即手动标注与深度学习的结合使用）方面相当新颖。这项工作可能为自动从私人家庭环境视频预测氛围提供有趣的方法，为研究私人住宅氛围的多媒体社区做出贡献。