LLaVAC：将 LLaVA 微调为多模态情感分类器
计算与语言
2025-02-06 v1
摘要
我们提出 LLaVAC，一种构建多模态情感分析分类器的方法。该方法利用对大型语言与视觉助手（LLaVA）的微调，来预测图像和文本两种模态的情感标签。我们的方法涉及设计一个结构化的提示，该提示结合了单模态和多模态标签来微调 LLaVA，使其能够有效地执行情感分类。在 MVSA-Single 数据集上的实验表明，LLaVAC 在三种数据处理流程下的多模态情感分析中均优于现有方法。LLaVAC 的实现已公开于 https://github.com/tchayintr/llavac。
引用
@article{arxiv.2502.02938,
title = {LLaVAC: Fine-tuning LLaVA as a Multimodal Sentiment Classifier},
author = {T. Chay-intr and Y. Chen and K. Viriyayudhakorn and T. Theeramunkong},
journal= {arXiv preprint arXiv:2502.02938},
year = {2025}
}