面向一分钟渐进情绪挑战的多模态情绪识别
人工智能
2018-05-04 v1 计算与语言
计算机视觉与模式识别
摘要
由唤醒度和效价建模的连续维度情绪能够刻画情绪的复杂变化。本文中,我们介绍了针对一分钟渐进(OMG)情绪挑战的唤醒度与效价预测工作。首先利用多种声学、视频和文本模型从视频中提取多模态表示,随后使用支持向量机(SVM)融合多模态信号以做出最终预测。我们的方案在验证集上分别取得了唤醒度 0.397 和效价 0.520 的一致相关系数(CCC)分数,大幅优于基线系统分别在唤醒度和效价上 0.15 和 0.23 的最佳 CCC 分数。
引用
@article{arxiv.1805.01060,
title = {Multimodal Emotion Recognition for One-Minute-Gradual Emotion Challenge},
author = {Ziqi Zheng and Chenjie Cao and Xingwei Chen and Guoqiang Xu},
journal= {arXiv preprint arXiv:1805.01060},
year = {2018}
}