双约束动态神经ODE用于模糊性感知的连续情绪预测
人工智能
2024-08-01 v1
摘要
近年来，对情绪模糊性的建模受到了显著关注，在将情绪表示为分布以捕捉模糊性方面取得了进展。然而，在情绪分布中考虑时间依赖性方面投入的相对精力较少，而时间依赖性编码了随时间平滑演化的感知情绪中的模糊性。认识到使用约束动态神经常微分方程（CD-NODE）建模时间序列作为动态过程的优势，我们提出了一种模糊性感知的双约束神经ODE方法，用于建模唤醒度和效价维度上情绪分布的动态。在我们的方法中，我们使用由神经网络参数化的ODE来估计分布参数，并整合额外的约束来限制系统输出的范围，以确保预测分布的有效性。我们在公开可用的RECOLA数据集上评估了所提出的系统，观察到在一系列评估指标上表现出非常有前景的性能。
引用
@article{arxiv.2407.21344,
title = {Dual-Constrained Dynamical Neural ODEs for Ambiguity-aware Continuous Emotion Prediction},
author = {Jingyao Wu and Ting Dang and Vidhyasaharan Sethu and Eliathamby Ambikairajah},
journal= {arXiv preprint arXiv:2407.21344},
year = {2024}
}
备注
This paper has been accepted at INTERSPEECh 2024