PulseAugur
中
实时 17:37:12
实体 RAVDESS

RAVDESS

PulseAugur coverage of RAVDESS — every cluster mentioning RAVDESS across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 6
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. TOOL · CL_327286 ·

    轻量级CNN-LSTM模型EmoNet在语音情感识别中达到96.75%的准确率

    研究人员开发了EmoNet,这是一种专为语音情感识别设计的轻量级深度学习模型。该模型结合了深度可分离CNN与Squeeze-and-Excitation注意力机制、双向LSTM以及多头注意力池化。EmoNet在TESS、RAVDESS和SAVEE的组合数据集上实现了96.75%的高准确率,同时保持了411万的低参数量,使其适用于资源受限的环境。

  2. TOOL · CL_284583 ·

    Qwen2-Audio 量化性能评估超越文本分数

    一项发表在 arXiv 上的新研究评估了量化后的 Qwen2-Audio-7B-Instruct 模型在语音任务上的性能。研究强调,仅凭基于文本的分数不足以确定量化是否保留了性能,特别是对于无法从转录文本中推导出目标标签的任务。研究发现,虽然 7 位分配在情感识别任务上显示出最小的准确率损失,但 6 位分配导致性能出现统计学上的显著下降,表明需要超越简单的转录准确率进行单独评估。

  3. RESEARCH · CL_254252 ·

    新框架通过保留身份和行为来增强特定主体视频生成

    研究人员开发了两个新的特定主体视频生成框架,旨在提高视觉身份和表达性行为的保留度。BEACON 是一个轻量级框架,通过以身份参考图像和面部动态参考视频进行条件化生成,来解耦视觉身份与表达性行为。MSR(多主体参考)采用一种面向槽的条件化方案进行视频生成,独立编码每个参考图像并将其与其预期角色相关联,以减少参考混淆。

  4. TOOL · CL_229130 ·

    新的GUIDE框架控制多模态模型证据使用

    研究人员推出了一种新颖的GUIDE框架,旨在控制大型多模态模型在遵循语言指令时如何利用内部证据。与可能依赖表面线索的先前模型不同,GUIDE在推理和生成过程中采用指令条件门控来调节证据通路。该框架已证明其能够在推理、分类和生成等各种多模态任务中诱导证据依赖性的结构化重新分配,同时保持任务性能。在GQA和TextVQA等数据集上的实验表明,GUIDE增强了对目标证据扰动的鲁棒性,并实现了证据来源的可控调制。

  5. TOOL · CL_167521 ·

    EmotionAI:本地管道在不使用云数据的情况下分析语音情感

    研究人员开发了EmotionAI,一个本地计算智能管道,用于在不将数据发送到云端的情况下分析对话中的语音情感。该系统集成了语音情感识别和生成式推理,利用了Whisper ASR和wav2vec2情感分类器等工具。虽然其在特定数据集上的准确性适中,但该管道完全离线运行,在CPU上近乎实时地处理对话。

  6. RESEARCH · CL_154189 ·

    新的深度学习模型提高了语音情感识别的准确性和可解释性

    研究人员开发了用于语音情感识别(SER)的新深度学习技术,该领域对于推进人机交互至关重要。一项研究介绍了一种混合DCRF-BiLSTM模型,该模型在多个数据集上均取得了高准确率,包括对五个组合数据集的全新综合评估。另一篇论文提出了一种可解释且轻量级的紧凑型卷积神经网络,该网络通过Grad-CAM可视化有影响力的区域,平衡了识别性能与透明度和效率。