标签
该论文提出了一种用于多模态情感推理的智能体框架，通过模态感知智能体、证据引用、验证阶段和目标化提示补丁实现无需更新权重的提示空间适配，在MER2025数据集上优于冻结静态流水线。
BiCFlow-MER 提出了一种基于条件流的音频-文本多模态情感识别框架，该框架能够将情感证据从说话者及词汇因素中分离出来，并在IEMOCAP、MELD和CASE基准测试中取得了最先进的成果。
本文提出了一种情感原型条件融合（APCF）框架，用于处理不完整模态的开放词汇多模态情感识别，使用情感原型库来指导特征融合，并利用LLM解码器生成自然语言情感标签。
本文提出Light-MER，一个轻量级多模态情感识别框架，通过知识蒸馏将80亿参数的教师模型知识迁移至低于10亿参数的学生模型，在显著提升推理效率的同时取得了最先进的性能，挑战了参数超过10亿模型的必要性。
本文介绍了MER-R1，一个通过协同快速和慢速思维进行多模态情感识别的强化学习框架。它通过双目标解耦和慢速-快速置信度校准，联合优化召回率和精确率，从而实现了最先进的性能。