实体
BAH dataset
BAH dataset
PulseAugur coverage of BAH dataset — every cluster mentioning BAH dataset across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新AI模型TellTale可从视频字幕中识别矛盾情绪
研究人员开发了TellTale，这是一种仅使用文本字幕识别视频访谈中矛盾和犹豫情绪的新方法。该系统结合了三个概率流：两个使用LoRA适配器微调的文本编码器和一个零样本指令LLM。TellTale在私有测试集上取得了0.7364的宏观F1分数，显著优于官方的基于视觉的基线。
-
新框架改进了对人类矛盾和犹豫的识别
研究人员开发了一种新颖的框架SVF-CR，通过分析同步的多模态数据来识别矛盾和犹豫等微妙的人类情绪状态。该方法在整合文本和声学特征之前，通过交叉注意力机制精炼视觉和面部线索。在BAH数据集上的实验表明，SVF-CR显著提高了识别准确率，宏F1分数达到0.7156，优于之前的基线。
-
AI系统在视频分析中提升矛盾和犹豫识别能力 · 跟踪8个来源
研究人员开发了识别视频中矛盾和犹豫的先进方法，参加了第11届ABAW挑战赛。其中一种方法，HSEmotion团队的系统，利用多任务学习，结合冻结的轻量级面部提取器和后处理技术来预测效价、唤醒度、面部表情和动作单元。另一个系统SVF-CR采用同步视觉-面部交叉精炼框架进行多模态证据融合。第三种方法侧重于简单特征和诚实校准，引入“ASR擦除时间”来捕捉犹豫停顿，并使用称为情感标记融合的可靠性门控。