实体
Mosei Hayashi
Mosei Hayashi
PulseAugur coverage of Mosei Hayashi — every cluster mentioning Mosei Hayashi across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法应对具有未见数据组合的不完整多模态情感分析 · 跟踪 2 个来源
两篇新的研究论文解决了不完整多模态情感分析的挑战，即在测试期间缺少某些数据模态。第一篇论文介绍了对比混合提示学习 (CMPL)，它使用标签引导的对比机制和模态组合提示来提高对未见模态组合的泛化能力。第二篇论文提出了一种迭代代理校正框架，该框架利用非语言模态逐步精炼语言代理，并根据估计的可靠性自适应地将其与观察到的语言表示融合。两种方法在基准数据集上都显示出比现有方法有显著改进。
-
新研究利用先进的融合技术解决多模态情感和情绪分析问题
两篇新研究论文探讨了多模态情感和情绪分析的先进技术。第一篇论文介绍了MIDAS，一个旨在通过解耦表示和使用不确定性感知融合机制来处理不完整或损坏的多模态数据的框架。第二篇论文提出了EGMF，该方法将专家指导的多模态融合与大型语言模型相结合，以统一情绪识别和情感分析，并在双语数据集上展示了改进的性能。
-
新的SentiLLM框架利用LLM增强多模态情感分析
研究人员开发了SentiLLM，一个用于多模态情感分析的新框架，该框架将自然语言与非语言线索相结合。该系统使用语义对齐结构化抽象技术将连续的原始信号转换为大型语言模型（LLM）可理解的有意义的标记。一个关键组成部分是双流显著性-上下文校准机制，它将显著的情感变化与稳定的背景状态分开，提高了LLM解释复杂情感序列的能力。SentiLLM在四个基准数据集上表现出色：MOSI、MOSEI、CH-SIMS和CH-SIMS v2。