ICANet：一种多模态数据驱动的短视频情感识别方法
计算机视觉与模式识别
2024-12-10 v2
摘要
随着人工智能与短视频的快速发展，短视频情感识别已成为人机交互中最重要的研究课题之一。目前，大多数情感识别方法仍停留在单一模态。然而在日常生活中，人类通常会掩饰真实情感，导致单模态情感识别精度相当糟糕。此外，相似情感不易区分。因此，我们提出一种称为ICANet的新方法，通过采用音频、视频与光流三种不同模态实现多模态短视频情感识别，弥补单模态的不足，从而提升短视频情感识别的准确率。ICANet在IEMOCAP基准上取得了80.77%的较优准确率，超越SOTA方法15.89%。
引用
@article{arxiv.2208.11346,
title = {ICANet: A Method of Short Video Emotion Recognition Driven by Multimodal Data},
author = {Xuecheng Wu and Mengmeng Tian and Lanhang Zhai},
journal= {arXiv preprint arXiv:2208.11346},
year = {2024}
}