論文の概要: BiCFlow-MER: Orchestrating Discriminative and Generative Multimodal Emotion Recognition via Conditional Transport
- arxiv url: http://arxiv.org/abs/2609.27615v1
- Date: Wed, 23 Sep 2026 09:36:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.969084
- Title: BiCFlow-MER: Orchestrating Discriminative and Generative Multimodal Emotion Recognition via Conditional Transport
- Title（参考訳）: BiCFlow-MER:条件付き移動による識別・生成型マルチモーダル感情認識のオーケストレーション
- Abstract要約: BiCFlow-MERは、構造化された感情空間内の生成的エビデンス輸送のための条件付きフローフレームワークである。
IEMOCAP、MELD、ゼロショットCASEベンチマークで比較したすべてのメソッドより優れていることが示されている。
- 参考スコア（独自算出の注目度）: 1.4949325775620441
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In multimodal emotion recognition (MER), human affective states are inferred by integrating complementary cues from multiple modalities. In audio-text MER, affective cues are often entangled with speaker style and lexical content, while cross-modal disagreement further complicates how the evidence should be integrated. Under conventional discriminative fusion, multimodal evidence is compressed into a terminal prediction, with modality-specific cues and conflict information insufficiently preserved. In large generative affective models, by contrast, affective reasoning is typically embedded in language decoding, leaving emotion evidence implicit and difficult to verify in a structured space. To address these limitations, BiCFlow-MER (Bidirectional Conditional Flow for Multimodal Emotion Recognition) is proposed as a conditional-flow framework in which audio-text MER is formulated as generative evidence transport within a structured emotion space. Within BiCFlow-MER, emotion-oriented evidence is disentangled from speaker-style and lexical-content factors to construct a conflict-aware affective condition. Guided by this condition, each utterance is transported to an explicit emotion-space endpoint through a bidirectional rectified flow. Candidate emotions are jointly verified through adaptive prototype-cloud scoring of the transported endpoint and backward class-to-condition consistency with the original multimodal condition, enabling conflict-aware recognition. BiCFlow-MER is shown to outperform all compared methods across IEMOCAP, MELD, and the zero-shot CASE benchmark. By orchestrating discriminative recognition and generative evidence modeling through conditional transport, BiCFlow-MER defines a new MER paradigm.
- Abstract（参考訳）: マルチモーダル感情認識(MER)では、複数のモーダルから補完的な手がかりを統合することにより、人間の感情状態が推定される。
音声テキストのMERでは、感情的な手がかりは話者スタイルや語彙の内容と結びついていることが多いが、クロスモーダルな意見の不一致は、どのように証拠を統合するべきかをさらに複雑にしている。
従来の識別的融合の下では、マルチモーダルなエビデンスを終端予測に圧縮し、モダリティ固有の手がかりとコンフリクト情報を不十分に保存する。
対照的に、大きな生成的感情モデルでは、感情的推論は典型的に言語デコードに埋め込まれており、感情的証拠は暗黙的かつ構造化された空間で検証することが困難である。
これらの制約に対処するため, 構造化された感情空間内の生成的エビデンスとして音声テキストMERを定式化する条件フローフレームワークとして, BiCFlow-MER(Bidirectional Conditional Flow for Multimodal Emotion Recognition)を提案する。
BiCFlow-MERでは、感情指向のエビデンスを話者型や語彙型から切り離して、対立を意識した感情状態を構築する。
この条件で案内された各発話は、双方向の整流流を介して明示的な感情空間の終端へ輸送される。
候補感情は、トランスポートされたエンドポイントの適応型プロトタイプクラウドスコアリングと、元のマルチモーダル条件との後方クラス・ツー・コンディションの整合性によって共同検証され、コンフリクト認識が可能となる。
BiCFlow-MERはIEMOCAP、MELD、ゼロショットCASEベンチマークで比較されたすべてのメソッドより優れていた。
BiCFlow-MERは、識別的認識と生成的エビデンスを条件付き輸送を通してモデル化することにより、新しいMERパラダイムを定義する。
関連論文リスト
- Affect-Prototype Guided Fusion for Open-Vocabulary Incomplete Multi-modal Emotion Recognition [14.230570826515388]
オープン語彙マルチモーダル感情認識(OV-MER)は、マルチモーダル感情の手がかりからオープンな自然言語感情ラベルを生成することを目的としている。
既存のOV-MER法は主に全モード入力用に設計されており、モード不足条件下では効果的な機能融合を行えない。
本稿では,不完全なオープン語彙感情認識のためのAffect-Prototype-Conditioned Fusionフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-15T10:37:26Z) - EII-SCL: Harnessing Emotional Inertia for Multimodal Emotion Recognition in Conversation [51.04910642896281]
会話におけるマルチモーダル感情認識(MERC)は、対話に多モーダル情報と文脈情報を統合することで正確な予測を行う。
現在のMERCアプローチは、情動シフトにおける文脈的感情的慣性の影響を見落とし、準最適パフォーマンスをもたらす。
本研究では, 時間的ウィンドウ内に慣性の影響のあるサンプルを構築することで, コントラスト学習モジュール (EII-SCL) を提案する。
論文 参考訳（メタデータ） (2026-07-19T18:09:54Z) - EmoEUS: Uncertainty Supervision for Multimodal Emotion Recognition in Conversation [58.055014746373054]
マルチモーダル感情認識のための明確な不確実性監視フレームワークであるEmoEUSを提案する。
EmoEUSは、学習された分散推定を用いてモダリティを動的に重み付けすることで、不確実性を考慮したマルチモーダル融合を行う。
IEMOCAPとMELDの実験は、EmoEUSが最先端の手法を一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-07-19T18:09:22Z) - Navigating the Emotion Tree: Hierarchical Hyperbolic RAG for Multimodal Emotion Recognition [56.650820426231284]
マルチモーダル感情認識は、人間の感情状態を理解するためにテキスト、音声、ビデオソースを統合することを目的としている。
大規模言語モデルは多モーダル推論において優れているが、感情カテゴリーを独立したラベルとして扱うのが一般的である。
本稿では,bftextHyperEmo-RAGを提案する。
論文 参考訳（メタデータ） (2026-05-16T10:04:48Z) - Memory-guided Prototypical Co-occurrence Learning for Mixed Emotion Recognition [56.00118641432005]
本稿では,感情共起パターンを明示的にモデル化するメモリ誘導型プロトタイプ共起学習フレームワークを提案する。
人間の認知記憶システムに触発されて,意味レベルの共起関係を抽出するメモリ検索戦略を導入する。
本モデルは感情分布予測のための感情情報表現を学習する。
論文 参考訳（メタデータ） (2026-02-24T04:11:25Z) - ADEPT: RL-Aligned Agentic Decoding of Emotion via Evidence Probing Tools -- From Consensus Learning to Ambiguity-Driven Emotion Reasoning [67.22219034602514]
ADEPT(Agentic Decoding of Emotion via Evidence Probing Tools)は,感情認識をマルチターン探索プロセスとして再構成するフレームワークである。
ADEPTはSLLMを進化する候補感情を維持するエージェントに変換し、専用のセマンティックおよび音響探査ツールを適応的に呼び出す。
ADEPTは、ほとんどの設定において主感情の精度を向上し、微妙な感情の特徴を著しく改善することを示した。
論文 参考訳（メタデータ） (2026-02-13T08:33:37Z) - Affective Flow Language Model for Emotional Support Conversation [35.75344257149862]
本稿では感情支援会話(AFlow)のための感情フロー言語モデルを提案する。
AFlowは、マルチターン軌道に沿った継続的な情動フローをモデル化することで、対話プレフィックスのきめ細かい監督を導入するフレームワークである。
実験結果から, 多様な情緒的文脈において, 競争ベースラインよりも一貫した, 顕著な改善が見られた。
論文 参考訳（メタデータ） (2026-02-09T15:58:50Z) - Integrating Fine-Grained Audio-Visual Evidence for Robust Multimodal Emotion Reasoning [9.470507126417292]
本稿では,ロバストなマルチモーダル推論のためのフレームワークであるSABER-LLMを紹介する。
まず,600Kビデオクリップからなる大規模感情推論データセットであるSABERを構築した。
第2に,エビデンス抽出と推論を「知覚的推論」に分離する構造的エビデンス分解パラダイムを提案する。
論文 参考訳（メタデータ） (2026-01-26T10:03:26Z) - Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。
広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
論文 参考訳（メタデータ） (2024-04-26T07:30:32Z) - DiffusEmp: A Diffusion Model-Based Framework with Multi-Grained Control
for Empathetic Response Generation [26.73326709474638]
条件付き拡散言語モデルに基づいて,共感表現のガイドとフレームワークDiffusEmpの設計に明示的な制御を用いることを提案する。
このフレームワークは,文脈関連性を失うことなく,制御性,情報性,多様性の観点から競争ベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2023-06-02T16:26:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。