Buchumschlag

Recursive Joint Cross-Modal Attention for Multimodal Fusion in Dimensional Emotion Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Praveen, R. Gnana, Alam, Jahangir
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Audio-Visual Person Verification based on Recursive Fusion of Joint Cross-Attention
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2024)

Dynamic Cross Attention for Audio-Visual Person Verification
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2024)

United we stand, Divided we fall: Handling Weak Complementary Relationships for Audio-Visual Emotion Recognition in Valence-Arousal Space
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2025)

Cross Attentional Audio-Visual Fusion for Dimensional Emotion Recognition
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2021)

SSAVSV: Towards Unified Model for Self-Supervised Audio-Visual Speaker Verification
von: Rajasekhar, Gnana Praveen, et al.
Veröffentlicht: (2025)

A Joint Cross-Attention Model for Audio-Visual Fusion in Dimensional Emotion Recognition
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2022)

A Low-rank Matching Attention based Cross-modal Feature Fusion Method for Conversational Emotion Recognition
von: Shou, Yuntao, et al.
Veröffentlicht: (2023)

Joint Multimodal Transformer for Emotion Recognition in the Wild
von: Waligora, Paul, et al.
Veröffentlicht: (2024)

Dynamic Modality and View Selection for Multimodal Emotion Recognition with Missing Modalities
von: Menon, Luciana Trinkaus, et al.
Veröffentlicht: (2024)

SZTU-CMU at MER2024: Improving Emotion-LLaMA with Conv-Attention for Multimodal Emotion Recognition
von: Cheng, Zebang, et al.
Veröffentlicht: (2024)

Computation and Parameter Efficient Multi-Modal Fusion Transformer for Cued Speech Recognition
von: Liu, Lei, et al.
Veröffentlicht: (2024)

Multimodal Emotion Recognition and Sentiment Analysis in Multi-Party Conversation Contexts
von: Farhadipour, Aref, et al.
Veröffentlicht: (2025)

Enhancing Emotion Recognition in Incomplete Data: A Novel Cross-Modal Alignment, Reconstruction, and Refinement Framework
von: Sun, Haoqin, et al.
Veröffentlicht: (2024)

DRKF: Decoupled Representations with Knowledge Fusion for Multimodal Emotion Recognition
von: Jiang, Peiyuan, et al.
Veröffentlicht: (2025)

Ovi: Twin Backbone Cross-Modal Fusion for Audio-Video Generation
von: Low, Chetwin, et al.
Veröffentlicht: (2025)

AlignVSR: Audio-Visual Cross-Modal Alignment for Visual Speech Recognition
von: Liu, Zehua, et al.
Veröffentlicht: (2024)

Design and Development of Laughter Recognition System Based on Multimodal Fusion and Deep Learning
von: Zhao, Fuzheng, et al.
Veröffentlicht: (2024)

Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism
von: D., Quang-Anh N., et al.
Veröffentlicht: (2024)

Decoding Emotions: Unveiling Facial Expressions through Acoustic Sensing with Contrastive Attention
von: Wang, Guangjing, et al.
Veröffentlicht: (2024)

Better Spanish Emotion Recognition In-the-wild: Bringing Attention to Deep Spectrum Voice Analysis
von: Ortega-Beltrán, Elena, et al.
Veröffentlicht: (2024)

WavFusion: Towards wav2vec 2.0 Multimodal Speech Emotion Recognition
von: Li, Feng, et al.
Veröffentlicht: (2024)

Mitigating Attention Sinks and Massive Activations in Audio-Visual Speech Recognition with LLMs
von: Anand, et al.
Veröffentlicht: (2025)

Multimodal Fusion Method with Spatiotemporal Sequences and Relationship Learning for Valence-Arousal Estimation
von: Yu, Jun, et al.
Veröffentlicht: (2024)

Omni-AVSR: Towards Unified Multimodal Speech Recognition with Large Language Models
von: Cappellazzo, Umberto, et al.
Veröffentlicht: (2025)

Dr. SHAP-AV: Decoding Relative Modality Contributions via Shapley Attribution in Audio-Visual Speech Recognition
von: Cappellazzo, Umberto, et al.
Veröffentlicht: (2026)

Adaptive Multimodal Person Recognition: A Robust Framework for Handling Missing Modalities
von: Farhadipour, Aref, et al.
Veröffentlicht: (2025)

Emotional Face-to-Speech
von: Ye, Jiaxin, et al.
Veröffentlicht: (2025)

Attention Isn't All You Need for Emotion Recognition:Domain Features Outperform Transformers on the EAV Dataset
von: Guragain, Anmol
Veröffentlicht: (2026)

Comparative Analysis of Modality Fusion Approaches for Audio-Visual Person Identification and Verification
von: Farhadipour, Aref, et al.
Veröffentlicht: (2024)

Cross-Attention is Not Always Needed: Dynamic Cross-Attention for Audio-Visual Dimensional Emotion Recognition
von: Praveen, R. Gnana, et al.
Veröffentlicht: (2024)

Digit Recognition using Multimodal Spiking Neural Networks
von: Bjorndahl, William, et al.
Veröffentlicht: (2024)

IIANet: An Intra- and Inter-Modality Attention Network for Audio-Visual Speech Separation
von: Li, Kai, et al.
Veröffentlicht: (2023)

Art2Mus: Bridging Visual Arts and Music through Cross-Modal Generation
von: Rinaldi, Ivan, et al.
Veröffentlicht: (2024)

Adaptive Audio-Visual Speech Recognition via Matryoshka-Based Multimodal LLMs
von: Cappellazzo, Umberto, et al.
Veröffentlicht: (2025)

Contextual Cross-Modal Attention for Audio-Visual Deepfake Detection and Localization
von: Katamneni, Vinaya Sree, et al.
Veröffentlicht: (2024)

AMuSE: Adaptive Multimodal Analysis for Speaker Emotion Recognition in Group Conversations
von: Devulapally, Naresh Kumar, et al.
Veröffentlicht: (2024)

Exploring Multi-Modal Control in Music-Driven Dance Generation
von: Li, Ronghui, et al.
Veröffentlicht: (2024)

Dual Audio-Centric Modality Coupling for Talking Head Generation
von: Fu, Ao, et al.
Veröffentlicht: (2025)

JAM-Flow: Joint Audio-Motion Synthesis with Flow Matching
von: Kwon, Mingi, et al.
Veröffentlicht: (2025)

A-JEPA: Joint-Embedding Predictive Architecture Can Listen
von: Fei, Zhengcong, et al.
Veröffentlicht: (2023)