研究者提出Transformer-GAT跨模态情绪识别框架
热点事件持续更新
研究者提出Transformer-GAT跨模态情绪识别框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Jiaqi Qiao、Yifan Lyu、Xiujuan Xu 提出 Transformer-GAT 混合框架，用 Transformer 捕捉全局语义信息、用图注意力网络建模模态间细粒度关系，用于跨模态对话情绪识别。 在 IEMOCAP 和 MELD 两个数据集上，该模型加权 F1 分别达到 72.45% 和 77.37%，作者称其优于现有 SOTA 方法。
AI 根据报道生成 · 51 分钟前更新
最新进展10月19日 12:00
Transformer-GAT：融合 Transformer 与图注意力网络的对话情绪识别框架报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AITransformer-GAT：融合 Transformer 与图注意力网络的对话情绪识别框架
研究者提出 Transformer-GAT 混合框架，用 Transformer 捕捉全局语义信息、用图注意力网络建模模态间细粒度关系，实现跨模态情绪理解。在 IEMOCAP 和 MELD 数据集上，该模型加权 F1 分别达到 72.45% 和 77.37%，优于现有 SOTA 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。