RVT

新的RASG框架利用仅听者数据增强情感识别能力

研究人员开发了一个名为RASG的新框架，用于识别对话者的情感，该框架专注于仅使用听者视频和说话者音频来预测听者情感。该框架结合了角色感知视觉迁移（RVT）以解决听者数据稀缺问题，以及刺激引导边界推理（SBR）以根据说话者上下文区分相似的视觉反应。该方法在MER-Cross数据集上达到了76.25%的准确率，并在ACM MM 2026的MER Grand Challenge中获得第二名。