May, 2018
使用视觉、音频和文本特征进行多模态话语级情感分析
Multimodal Utterance-level Affect Analysis using Visual, Audio and Text Features
Didan Deng, Yuqian Zhou, Jimin Pi, Bertram E.Shi
TL;DR本文介绍了一种利用 LSTM 结合口语音频和文本信息对多媒体剪辑中的情感进行识别的多模态神经架构,其优于单模态基线,并在唤起任务中达到了 0.400 的相关性系数和在价值任务中达到了 0.353 的相关系数。