Buchumschlag

eMotions: A Large-Scale Dataset and Audio-Visual Fusion Network for Emotion Analysis in Short-form Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Xuecheng, Yang, Dingkang, Huang, Danlei, Yin, Xinyi, Wang, Yifan, Zhang, Jia, Nie, Jiayu, Fu, Liangyu, Liu, Yang, Xue, Junxiao, Amirpour, Hadi, Zhou, Wei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scalable Audio-Visual Masked Autoencoders for Efficient Affective Video Facial Analysis
von: Wu, Xuecheng, et al.
Veröffentlicht: (2025)

3A-YOLO: New Real-Time Object Detectors with Triple Discriminative Awareness and Coordinated Representations
von: Wu, Xuecheng, et al.
Veröffentlicht: (2024)

Towards Emotion Analysis in Short-form Videos: A Large-Scale Dataset and Baseline
von: Wu, Xuecheng, et al.
Veröffentlicht: (2023)

AD-AVSR: Asymmetric Dual-stream Enhancement for Robust Audio-Visual Speech Recognition
von: Xue, Junxiao, et al.
Veröffentlicht: (2025)

FAMNet: Integrating 2D and 3D Features for Micro-expression Recognition via Multi-task Learning and Hierarchical Attention
von: Fu, Liangyu, et al.
Veröffentlicht: (2025)

TACR-YOLO: A Real-time Detection Framework for Abnormal Human Behaviors Enhanced with Coordinate and Task-Aware Representations
von: Yin, Xinyi, et al.
Veröffentlicht: (2025)

ViC-Bench: Benchmarking Visual-Interleaved Chain-of-Thought Capability in MLLMs with Free-Style Intermediate State Representations
von: Wu, Xuecheng, et al.
Veröffentlicht: (2025)

Towards Comprehensive Interactive Change Understanding in Remote Sensing: A Large-scale Dataset and Dual-granularity Enhanced VLM
von: Xue, Junxiao, et al.
Veröffentlicht: (2025)

HOLA: Enhancing Audio-visual Deepfake Detection via Hierarchical Contextual Aggregations and Efficient Pre-training
von: Wu, Xuecheng, et al.
Veröffentlicht: (2025)

FGSVQA: Frequency-Guided Short-form Video Quality Assessment
von: Wang, Xinyi, et al.
Veröffentlicht: (2026)

ODVista: An Omnidirectional Video Dataset for super-resolution and Quality Enhancement Tasks
von: Telili, Ahmed, et al.
Veröffentlicht: (2024)

AeroRAG: Structured Multimodal Retrieval-Augmented LLM for Fine-Grained Aerial Visual Reasoning
von: Xue, Junxiao, et al.
Veröffentlicht: (2026)

FED-Bench: A Cross-Granular Benchmark for Disentangled Evaluation of Facial Expression Editing
von: Xue, Fengjian, et al.
Veröffentlicht: (2026)

AIM-Bench: Benchmarking and Improving Affective Image Manipulation via Fine-Grained Hierarchical Control
von: Chen, Shi, et al.
Veröffentlicht: (2026)

Affective Video Content Analysis: Decade Review and New Perspectives
von: Xue, Junxiao, et al.
Veröffentlicht: (2023)

A Trustworthy Method for Multimodal Emotion Recognition
von: Xue, Junxiao, et al.
Veröffentlicht: (2025)

ICANet: A Method of Short Video Emotion Recognition Driven by Multimodal Data
von: Wu, Xuecheng, et al.
Veröffentlicht: (2022)

InfoSyncNet: Information Synchronization Temporal Convolutional Network for Visual Speech Recognition
von: Xue, Junxiao, et al.
Veröffentlicht: (2025)

eMotion-GAN: A Motion-based GAN for Photorealistic and Facial Expression Preserving Frontal View Synthesis
von: Ikne, Omar, et al.
Veröffentlicht: (2024)

SVD: Spatial Video Dataset
von: Izadimehr, M. H., et al.
Veröffentlicht: (2025)

Disentangling Hardness from Noise: An Uncertainty-Driven Model-Agnostic Framework for Long-Tailed Remote Sensing Classification
von: Ding, Chi, et al.
Veröffentlicht: (2026)

EPS: Efficient Patch Sampling for Video Overfitting in Deep Super-Resolution Model Training
von: Wei, Yiying, et al.
Veröffentlicht: (2024)

Improving the Efficiency of VVC using Partitioning of Reference Frames
von: Qureshi, Kamran, et al.
Veröffentlicht: (2025)

Multi-resolution Encoding for HTTP Adaptive Streaming using VVenC
von: Qureshi, Kamran, et al.
Veröffentlicht: (2025)

OmniRetriever: Any-to-Any Audio-Video-Text Retrieval via Fusion-as-Teacher Distillation
von: Liu, Yunze, et al.
Veröffentlicht: (2026)

Dynamic Inter-Class Confusion-Aware Encoder for Audio-Visual Fusion in Human Activity Recognition
von: Cong, Kaixuan, et al.
Veröffentlicht: (2025)

PRFashion24: A Dataset for Sentiment Analysis of Fashion Products Reviews in Persian
von: Amirpour, Mehrimah, et al.
Veröffentlicht: (2024)

ProFocus: Proactive Perception and Focused Reasoning in Vision-and-Language Navigation
von: Xue, Wei, et al.
Veröffentlicht: (2026)

EMID: An Emotional Aligned Dataset in Audio-Visual Modality
von: Zou, Jialing, et al.
Veröffentlicht: (2023)

AudioMotionBench: Evaluating Auditory Motion Perception in Audio LLMs
von: Sun, Zhe, et al.
Veröffentlicht: (2025)

Efficient Audio-Visual Fusion for Video Classification
von: Awan, Mahrukh, et al.
Veröffentlicht: (2024)

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

Robust Audio-Visual Target Speaker Extraction with Emotion-Aware Multiple Enrollment Fusion
von: Jin, Zhan, et al.
Veröffentlicht: (2025)

Attend-Fusion: Efficient Audio-Visual Fusion for Video Classification
von: Awan, Mahrukh, et al.
Veröffentlicht: (2024)

Scaling Audio-Visual Quality Assessment Dataset via Crowdsourcing
von: Yang, Renyu, et al.
Veröffentlicht: (2026)

Unveiling Visual Biases in Audio-Visual Localization Benchmarks
von: Chen, Liangyu, et al.
Veröffentlicht: (2024)

MooD: Perception-Enhanced Efficient Affective Image Editing via Continuous Valence-Arousal Modeling
von: Yin, Xinyi, et al.
Veröffentlicht: (2026)

An Audio-Visual Fusion Emotion Generation Model Based on Neuroanatomical Alignment
von: Wang, Haidong, et al.
Veröffentlicht: (2025)

Privacy-Preserving Video Anomaly Detection: A Survey
von: Liu, Yang, et al.
Veröffentlicht: (2024)

Pilot-guided Multimodal Semantic Communication for Audio-Visual Event Localization
von: Yu, Fei, et al.
Veröffentlicht: (2024)