MER 2024：半监督学习、噪声鲁棒性与开放词汇多模态情感识别
机器学习
2024-07-19 v4 人机交互
摘要
多模态情感识别是人工智能领域的一个重要研究课题。在过去几十年中，研究人员通过增加数据集规模和构建更有效的算法取得了显著进展。然而，由于复杂环境和不准确标注等问题，当前系统难以满足实际应用的需求。因此，我们组织了 MER 系列竞赛以促进该领域的发展。去年，我们发起了 MER2023，聚焦三个有趣的课题：多标签学习、噪声鲁棒性和半监督学习。在今年的 MER2024 中，除了扩大数据集规模外，我们还进一步引入了围绕开放词汇情感识别的新赛道。该赛道的主要目的是，现有数据集通常固定标签空间并使用多数投票来增强标注者一致性。然而，这一过程可能导致不准确的标注，例如忽略非多数或非候选标签。在该赛道中，我们鼓励参赛者生成任意类别、任意数量的标签，旨在尽可能准确地描述情感状态。我们的基线代码依赖于 MERTools，可在以下网址获取：https://github.com/zeroQiaoba/MERTools/tree/master/MER2024。
引用
@article{arxiv.2404.17113,
title = {MER 2024: Semi-Supervised Learning, Noise Robustness, and Open-Vocabulary Multimodal Emotion Recognition},
author = {Zheng Lian and Haiyang Sun and Licai Sun and Zhuofan Wen and Siyuan Zhang and Shun Chen and Hao Gu and Jinming Zhao and Ziyang Ma and Xie Chen and Jiangyan Yi and Rui Liu and Kele Xu and Bin Liu and Erik Cambria and Guoying Zhao and Björn W. Schuller and Jianhua Tao},
journal= {arXiv preprint arXiv:2404.17113},
year = {2024}
}