PulseAugur
实时 10:00:27
English(EN) MRUF: Multi-granularity Routing with Uncertainty-Aware Fusion for Robust Multimodal Sentiment Analysis

新的MRUF方法通过不确定性感知融合增强多模态情感分析

研究人员开发了MRUF,一种新颖的多模态情感分析方法,旨在通过考虑语言、视觉和音频等不同模态之间的质量差异来提高鲁棒性。该方法结合了多粒度路由和不确定性感知校准,以根据每种模态的可靠性动态调整其影响。在CMU-MOSI和CMU-MOSEI数据集上的实验表明,MRUF通过为预测不确定性较高的模态分配较低的融合权重,持续优于现有方法。 AI

影响 这项研究通过更好地处理不同输入类型中的嘈杂或不完整数据,有望带来更准确的情感分析系统。

排序理由 该集群包含一篇学术论文,详细介绍了一种新的多模态情感分析方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的MRUF方法通过不确定性感知融合增强多模态情感分析

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Haoran Ma, Yinfeng Yu, Liejun Wang ·

    MRUF:用于鲁棒多模态情感分析的不确定性感知融合的多粒度路由

    arXiv:2607.10599v1 Announce Type: new Abstract: Multimodal sentiment analysis relies on language, visual, and acoustic cues, but utterance-level modality quality may vary due to occlusion, background noise, motion blur, or imperfect transcripts, causing conventional fusion to ove…