新框架解决开放词汇多模态情感识别数据缺失问题
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对现实场景中模态数据不完整的问题，研究提出了 Affect-Prototype-Conditioned Fusion (APCF) 框架。该方法构建情感原型库，显式建模不同情绪对应的多模态贡献特征，为融合过程提供动态约束。处理后的特征输入大语言模型解码器，生成开放的自然语言情感标签。在 OV-MERD+ 和 MER-FG 数据集上的实验显示，该框架性能优于现有基线。
为什么值得看
解决了多模态情感识别中数据缺失与开放标签生成的双重难题。
多模态数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。