ConsMSA：面向多模态情感分析的语义分布一致性学习
英文标题：ConsMSA: Semantic Distribution Consistency Learning for Multimodal Sentiment Analysis
本文介绍了多模态情感分析（MSA）领域的新研究 ConsMSA。多模态情感分析旨在整合文本、视频和音频等多模态信号来预测人类情感倾向，但原始多模态序列往往存在语义不一致、冗余或模态冲突等瓶颈。ConsMSA 针对多模态特征融合中的语义分布一致性展开学习与建模，有效提升了复杂模态下的表征质量。该方法为解决多模态感知中的信息对齐与鲁棒性问题提供了新的思路。
打开原文相关 2.4 · 机会 0
2.0 KB
483 B
612 B
380 B
24.2 KB
34.7 KB
中文
论文摘要
论文编号：arXiv:2610.31731v1
公告类型：新提交（new）
多模态情感分析（Multimodal Sentiment Analysis, MSA）旨在通过整合文本、视频和音频等不同模态的信号来预测人类情感。然而，原始多模态序列往往面临语义不一致性的挑战——例如在跨模态信息中表现出信息冗余或语义冲突。
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×