研究人员为第11届ABAW竞赛的矛盾/犹豫视频识别挑战开发了一个音视频系统。该系统省略了视觉数据，以5秒为窗口处理视频，结合了韵律音频特征、RoBERTa嵌入和不确定性的心理语言学指标。音频和文本组件通过时间交叉注意力机制融合，支持特征在池化前集成以加权窗口重要性。五个独立训练模型的集成在开发集上取得了0.875的平均精度和0.72的宏F1分数。 AI
影响 该系统通过使用多模态AI识别矛盾和犹豫等细微人类情感的技术，有望改进人机交互和情感分析工具。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一个用于特定识别挑战的新系统，并且代码已公开提供。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
We present an audio-text system for the Ambivalence/Hesitancy Video Recognition Challenge of the 11th ABAW Competition. The method excludes visual frames and represents each video as overlapping 5-second windows aligned with transcript timestamps. Each window combines a 320-dimen…
arXiv:2607.13345v1 Announce Type: new Abstract: We present an audio-text system for the Ambivalence/Hesitancy Video Recognition Challenge of the 11th ABAW Competition. The method excludes visual frames and represents each video as overlapping 5-second windows aligned with transcr…