VISAFF: Speaker-Centered Visual Affective Feature Learning for Emotion Recognition in Conversation

En 3 lignesVISAFF est un framework pour la reconnaissance d'émotions en conversation (ERC) utilisant des modèles vision-langage. Il combine deux étapes : ancrage affectif centré sur le locuteur et complémentation affective guidée par la fiabilité. L'approche sans fine-tuning exploite les capacités de raisonnement de VLMs gelés, intégrant signaux visuels, textuels et acoustiques pour améliorer la précision.

Résumé généré par Claude — vérifié par l'humain