表演式与即兴式：音视觉情感识别中不同诱发方法的领域自适应

开发泛化自动情感识别系统的关键挑战包括标注数据稀缺以及缺乏金标准参考。即使对于标注为同一情感类别的线索，相关表达的可变性也可能很高，这取决于诱发情境，例如即兴对话中与使用预定义脚本的表演式会话中诱发的情感。在本工作中，我们将情感诱发方法视为领域知识，并探索针对不同情感诱发方法收集的情感语句的领域迁移学习技术，特别是在目标标注样本有限的情况下。我们的情感识别模型将梯度反转技术与熵损失函数以及软标签损失相结合，实验结果表明领域迁移学习方法可用于缓解不同诱发方法之间的领域失配。我们的工作为情感数据收集提供了新的见解，特别是其诱发策略的影响，以及面向泛化系统的情感识别中领域自适应的必要性。