emotion recognition | BriefGPT

关键词emotion recognition

搜索结果 - 246

从活动识别的角度进行情绪识别
通过探索深度学习体系结构在持续情感识别方面的应用，我们提出了一种新颖的三流端到端深度学习回归流程，其中包含一个注意力机制，该机制是基于多个最先进的动作识别系统的子模块的一种组合设计。定量分析表明，所提出的模型优于情感识别和动作识别模型的多个
PDF3 months ago
GPT 作为心理学家？关于 GPT-4V 在视觉情感计算中的初步评估
Multimodal language models (MLMs) are applied in affective computing, evaluating their performance in facial action unit
PDF4 months ago
微动作识别基准：数据集、方法和应用
该研究提出了一个用于微动作识别的基准测试集 Micro-action-52（MA-52）和微动作网络（MANet），通过收集全面的微动作线索来解决微动作的识别和理解问题，并展示了该方法在情感识别方面的应用价值。
PDF4 months ago
SemEval 2024 -- 任务 10: 对话中的情感发现和推理及其翻转 (EDiReF)
SemEval-2024 任务 10 旨在识别情绪并找到其在单语英文和印地英语混合对话中翻转的原因。该任务包括三个子任务：混合语言对话中的情绪识别，混合语言对话中的情绪翻转推理以及英语对话中的情绪翻转推理。参与者的任务是自动执行一个或多个子
PDF4 months ago
情绪语音信息库 (EMOVOME): 自发语音信息中的情绪识别
EMOVOME 是一个包含 999 条语音信息的数据集，来自 100 位西班牙使用者在即时消息应用上的真实对话，具有性别平衡。该数据集为野外环境下的情感表达提供了基线，包括语音特征和文字特征的情感识别模型的准确率评估。该资源对于野外情感识别
PDF4 months ago
COLING课程学习结合有向无环图进行多模态情感识别
本文提出了一种多模态对话情感识别的新方法 MultiDAG+CL，该方法利用有向无环图 (DAG) 在统一框架中集成了文本、声学和视觉特征。该模型通过课程学习 (Curriculum Learning) 改善了情感变化和数据不平衡的挑战，逐
PDF4 months ago
EGNN-C+：可解释的演化粒状神经网络及其在弱监督脑电数据流分类中的应用
我们介绍了一种改进的增量学习算法，用于进化颗粒神经网络分类器（eGNN-C+）。我们使用双边界超立方体来表示颗粒，并自定义适应过程以增强外部边界对数据覆盖和噪声抑制的鲁棒性，同时确保内部边界保持灵活以捕捉漂移。分类器从头开始进化，即时融入新
PDF4 months ago
情感工具箱：适用于所有人的情感分析
在情感计算领域，我们提供了一个名为 AffectToolbox 的软件系统，通过图形用户界面，它能够无需编程知识可靠地分析用户的情感状态，并通过多通道和多模态的情感识别模型以及融合系统提供统一结果。该软件系统是开源的，并且可轻松集成到更复杂
PDF4 months ago
在自然环境中情感识别的图像数据集：FindingEmo
我们引入了 FindingEmo，一个新的图像数据集，包含对 2.5 万张图片的注释，专门用于情绪识别。与现有数据集相反，它专注于描绘多个人物在各种自然、社交环境中的复杂场景，注释是整体进行的，超越了传统对人脸或单个人的关注。注释的维度包括
PDF5 months ago
神经形态学价值和唤起估计
使用神经形态学数据从面部预测价值和唤醒值，并将训练模型直接应用于情绪识别任务。
PDF5 months ago
AM^2-EmoJE：基于联合嵌入学习的对话中自适应缺失模态情感识别
提出了 AM^2-EmoJE 模型，通过联合嵌入学习实现了在对话中通过自适应缺失模态的情感识别，该模型不仅相比与最先进的多模态方法展示了更优越的性能，还通过有效地利用肢体语言取代面部表情，展示了增强的隐私特性。
PDF5 months ago
AMuSE: 面向群体对话的自适应多模态情感分析
通过提出一种多模态注意力网络，将跨模态注意力注入每个层级的特定模态中，从而整合多模态数据特征，实现情感识别，并通过多模态可解释性可视化模块使模型的情感预测能够理解其推理过程。
PDF5 months ago
自我上下文感知人机交互中的情绪认知
通过引入自我上下文感知模型 (SCAM)，结合二维情绪坐标系统、独特信息保留结构和上下文损失，我们在音频、视频和多模态情景中显著提高了情绪识别的准确性。未来，我们将通过心理实验来验证 SCAM 在机器人上的可靠性和可用性。
PDF6 months ago
TelME：基于教师引导的对话情感识别的多模融合网络
通过教师引导的多模融合网络（TelME），本文提出了一种在对话系统中实现情绪识别的方法，通过跨模态知识蒸馏来提高非语言模态在情绪识别中的功效，并使用学生网络支持教师实现多模态特征的结合。在 ERC 的多说话人对话数据集 MELD 中，Tel
PDF6 months ago
EVOKE: 通过优化的知识蒸馏实现情感启用的虚拟化身映射
通过 Optimized KnowledgE distillation 技术，在虚拟环境中实现情感识别，并将识别到的情感映射到自定义的 3D 角色上，该方法利用了 DEAP 数据集进行多标签分类，模型精确度高达 87%。
PDF6 months ago
一种改进的变分模态分解算法对语音情感识别性能的影响
提出了一种名为 VGG-optiVMD 的方法，通过对情感识别中的语音信号进行分解和特征提取，结合信号采样率和分解参数的精细调整，实现了在 Berlin EMO-DB 数据库上预测七种情绪的最新技术，达到了 96.09% 的准确率。
PDF7 months ago
探索维度情感语音分析中显著表示和标签变异性
通过降维预训练表示空间，这篇论文展示了如何在情感识别任务中减少模型复杂性而不降低性能，并且模拟标签不确定性以提高模型的泛化能力和鲁棒性。此外，论文比较了情感模型在声学恶化下的鲁棒性，并观察到降维表示能够保持与全维表示相似性能而不发生显著的情
PDF7 months ago
DER-GCN: 多模态对话情感识别中的对话和事件关系感知图卷积神经网络
提出了一种新颖的基于对话和事件关系感知的图卷积神经网络用于多模态情感识别，该方法通过建立加权多关系图来捕捉说话者之间的对话关系和事件关系，设计了多重信息变换器以捕捉不同关系之间的相关性，通过对比学习的损失优化策略增强了少数类特征的表示学习能
PDF7 months ago
CARAT: 跨模态跨标签情绪识别中的对比特征重建与聚合
提出了基于 ContrAstive feature Reconstruction and AggregaTion (CARAT) 的多模态多标签情绪识别模型，通过对比学习模态间和标签间的特征，有效捕捉多模态信息及标签间的依赖关系，并利用聚合
PDF7 months ago
NAC-TCN: 基于因果稀疏邻域注意力的时序卷积网络用于情感理解
视频情感识别是通过一系列方法如 GRUs、LSTMs、自注意力机制、Transformers 和 TCNs 改善了基于视频情感识别，然而这些方法存在内存使用高、操作量大或梯度下降不良的问题。我们提出了一种称为邻域注意力与卷积 TCN（NAC
PDF7 months ago