iemocap dataset | BriefGPT - AI 论文速递

关键词iemocap dataset

搜索结果 - 12

利用语音 PTM、文本 LLM 和情感 TTS 进行语音情感识别
通过研究不同的预训练模型、情感文本合成和数据增强方法，本文提出了一种提高语音情感识别效果的方法，实验结果表明该方法在 IEMOCAP 数据集上具有较高的效果。
PDF9 months ago
利用辅助任务在 Wav2vec 2.0 和 BERT 的多模态融合中进行多模态情感识别
这篇研究通过在两种模态数据上使用预训练模型进行微调，使用 K 层多头注意机制进行下游融合，设计两种辅助任务以提高情感识别的表现，相比其他最先进的模型在 IEMOCAP 数据集上实现了更好的性能。
PDFa year ago
基于知识感知的多模态情感识别贝叶斯共同关注
该研究提出了使用贝叶斯注意力模块（BAM）来增强来自不同模态的预先训练模型的协同注意力融合，以有效融入外部情感相关知识以学习情感相关知识，实验证明该方法能够超过最先进方法至少 0.7 个百分点的准确度。
PDFa year ago
多模态情感识别的多级 Transformer
本文提出一种新的多层次转换器模型，将细粒度表示和预训练的话语级别表示相结合，结合不同的方法将音素级别嵌入与单词级别嵌入相结合，从而进行细粒度的多模式情感识别，最终在 IEMOCAP 数据集上，我们的模型均优于之前的最优方法。
PDF2 years ago
加权多聚合器图同构网络用于语音情感识别
本文提出一种基于图同构网络的语音情感识别（SER）网络，采用带权重的多聚合器（WMA-GIN）、全邻接层（FA）、多阶段注意机制和多损失训练策略，以解决 GIN 结构的邻居节点特征聚合容易导致的信息混淆、以及所有 GIN 等图神经网络结构的
PDF2 years ago
基于 Co-Attention 的多层声学信息的语音情感识别
本文提出了一种使用新设计的共同关注机制和多层声学信息的端到端语音情感识别系统。这个系统将 MFCC、谱图和嵌入了高水平声学信息的 CNN、BiLSTM 和 wav2vec2 等多层声学信息提取出来，并使用共同关注机制融合提取出来的多模态输入
PDF2 years ago
使用自监督特征进行语音情感识别
本文介绍了一种基于自上而下加自下而上架构范式的端到端情感识别系统，构建了基于自我监督特征的情感识别实验，并研究了自我监督特征模型的微调、特征的聚合和后端分类网络之间的相互作用等领域。该单模只有语音的系统不仅取得了 SOTA 结果，而且也揭示
PDF2 years ago
通过半监督联合学习进行隐私保护的语音情感识别
本文提出了一种隐私保护、数据高效的基于联邦学习的语音情感识别方法，该方法结合有标记和无标记设备数据通过自我训练学习模型，实验结果表明该方法能够在低可用数据标记和高度非独立同分布的情况下学习出泛化性较强的模型，平均只需 10% 的标记数据就能
PDF2 years ago
自监督式语音情感识别的说话人归一化
我们提出了一种基于梯度对抗学习框架的方法，该方法可以从特征表示中规范化发言者特征，从而学习语音情感识别任务，在演讲者无关和有关的设置下，我们在具有挑战性的 IEMOCAP 数据集上获得了新的最优结果。
PDF2 years ago
基于语音的多模态情感识别中的学习对齐
本文提出使用注意力机制学习语音帧和文本单词之间的对齐方法，以提高音频 - 文本多模态情感识别的准确性，并在 IEMOCAP 数据集上取得了最先进的性能。
PDF5 years ago
使用多跳注意力机制的语音情感识别
该论文提出了一种利用音频和文本信息的语音情感分类方法，使用双向 LSTM 和多跳注意力机制，在 IEMOCAP 数据集上，相对于现有技术，其在加权准确率上提高了 6.5% 的性能。
PDF5 years ago
利用语音和文本的多模态语音情感识别
本文提出了一种深度双重循环编码器模型，利用语音和文本数据进行机器情感识别，该模型表现更优，实验结果显示，当将该模型应用于 IEMOCAP 数据集时，在将数据分配到四个情感类别（愤怒，高兴，悲伤和中性）方面，准确率在 68.8％至 71.8％
PDF6 years ago