arXiv Computer Vision· Kris Kraack·· 2 小时前AI 评分31
多模态情感识别系统：融合面部表情、肢体动作、语音与口语文本
A Multimodal Emotion Recognition System: Integrating Facial Expressions, Body Movement, Speech, and Spoken Language
AI 导读
一个多模态情感识别系统将面部表情、语音情感、转录语音的文本情感与肢体动作分析融合为类别概率情感画像，供评估者参考而非替代评估者。52名参与者的远程用户研究显示，单模态模型在真实条件下准确率降至82.97%–87.64%，部分情绪状态识别率低至48.08%；多模态系统准确率达96.43%，显著高于任一单模态组件（p < 10⁻⁴），且各情绪状态均不低于92.31%。
来源：arXiv Computer Vision · arxiv.org