Multimodal Emotion Regression with Multi-Objective Optimization and VAD-Aware Audio Modeling for the 10th ABAW EMI Track
Fuente:
arXiv
Salvato in:
| Autori principali: | Huang, Jiawen, Huang, Chenxi, Wen, Zhuofan, Yao, Hailiang, Chen, Shun, Yang, Longjiang, Yu, Cong, Zhang, Fengyu, Liu, Ran, Liu, Bin |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Feature-Based Dual Visual Feature Extraction Model for Compound Multimodal Emotion Recognition
di: Liu, Ran, et al.
Pubblicazione: (2025)
di: Liu, Ran, et al.
Pubblicazione: (2025)
InconVAD: A Two-Stage Dual-Tower Framework for Multimodal Emotion Inconsistency Detection
di: Li, Zongyi, et al.
Pubblicazione: (2025)
di: Li, Zongyi, et al.
Pubblicazione: (2025)
SincQDR-VAD: A Noise-Robust Voice Activity Detection Framework Leveraging Learnable Filters and Ranking-Aware Optimization
di: Wang, Chien-Chun, et al.
Pubblicazione: (2025)
di: Wang, Chien-Chun, et al.
Pubblicazione: (2025)
Robust Audio-Visual Target Speaker Extraction with Emotion-Aware Multiple Enrollment Fusion
di: Jin, Zhan, et al.
Pubblicazione: (2025)
di: Jin, Zhan, et al.
Pubblicazione: (2025)
APRVOS: 1st Place Winner of 5th PVUW MeViS-Audio Track
di: Miao, Deshui, et al.
Pubblicazione: (2026)
di: Miao, Deshui, et al.
Pubblicazione: (2026)
Emotion and Acoustics Should Agree: Cross-Level Inconsistency Analysis for Audio Deepfake Detection
di: Zhang, Jinhua, et al.
Pubblicazione: (2026)
di: Zhang, Jinhua, et al.
Pubblicazione: (2026)
EmotionThinker: Prosody-Aware Reinforcement Learning for Explainable Speech Emotion Reasoning
di: Wang, Dingdong, et al.
Pubblicazione: (2026)
di: Wang, Dingdong, et al.
Pubblicazione: (2026)
Edge-Cloud Collaborative Speech Emotion Captioning via Token-Level Speculative Decoding in Audio-Language Models
di: Xue, Xiangyuan, et al.
Pubblicazione: (2026)
di: Xue, Xiangyuan, et al.
Pubblicazione: (2026)
Evaluating Objective Speech Quality Metrics for Neural Audio Codecs
di: Lanzendörfer, Luca A., et al.
Pubblicazione: (2025)
di: Lanzendörfer, Luca A., et al.
Pubblicazione: (2025)
Multimodal Emotion Recognition from Raw Audio with Sinc-convolution
di: Zhang, Xiaohui, et al.
Pubblicazione: (2024)
di: Zhang, Xiaohui, et al.
Pubblicazione: (2024)
Audio-Guided Fusion Techniques for Multimodal Emotion Analysis
di: Shi, Pujin, et al.
Pubblicazione: (2024)
di: Shi, Pujin, et al.
Pubblicazione: (2024)
Beyond Transcription: Unified Audio Schema for Perception-Aware AudioLLMs
di: Zhang, Linhao, et al.
Pubblicazione: (2026)
di: Zhang, Linhao, et al.
Pubblicazione: (2026)
SLAP: Scalable Language-Audio Pretraining with Variable-Duration Audio and Multi-Objective Training
di: Mei, Xinhao, et al.
Pubblicazione: (2026)
di: Mei, Xinhao, et al.
Pubblicazione: (2026)
LLM-Codec: Neural Audio Codec Meets Language Model Objectives
di: Chung, Ho-Lam, et al.
Pubblicazione: (2026)
di: Chung, Ho-Lam, et al.
Pubblicazione: (2026)
Audio Pirates: Black-box Audio Watermark Removal via Diffusion Priors
di: Yao, Lingfeng, et al.
Pubblicazione: (2026)
di: Yao, Lingfeng, et al.
Pubblicazione: (2026)
Multimodal Self-Attention Network with Temporal Alignment for Audio-Visual Emotion Recognition
di: Koo, Inyong, et al.
Pubblicazione: (2026)
di: Koo, Inyong, et al.
Pubblicazione: (2026)
Hybrid Audio Detection Using Fine-Tuned Audio Spectrogram Transformers: A Dataset-Driven Evaluation of Mixed AI-Human Speech
di: Huang, Kunyang, et al.
Pubblicazione: (2025)
di: Huang, Kunyang, et al.
Pubblicazione: (2025)
When Fine-Tuning is Not Enough: Lessons from HSAD on Hybrid and Adversarial Audio Spoof Detection
di: Hu, Bin, et al.
Pubblicazione: (2025)
di: Hu, Bin, et al.
Pubblicazione: (2025)
Uncertainty-Aware 3D Emotional Talking Face Synthesis with Emotion Prior Distillation
di: Shen, Nanhan, et al.
Pubblicazione: (2026)
di: Shen, Nanhan, et al.
Pubblicazione: (2026)
FlashAudio: Rectified Flows for Fast and High-Fidelity Text-to-Audio Generation
di: Liu, Huadai, et al.
Pubblicazione: (2024)
di: Liu, Huadai, et al.
Pubblicazione: (2024)
AudioLCM: Text-to-Audio Generation with Latent Consistency Models
di: Liu, Huadai, et al.
Pubblicazione: (2024)
di: Liu, Huadai, et al.
Pubblicazione: (2024)
Emotion-Aware Quantization for Discrete Speech Representations: An Analysis of Emotion Preservation
di: Zhou, Haoguang, et al.
Pubblicazione: (2026)
di: Zhou, Haoguang, et al.
Pubblicazione: (2026)
MeanFlow-Accelerated Multimodal Video-to-Audio Synthesis via One-Step Generation
di: Yang, Xiaoran, et al.
Pubblicazione: (2025)
di: Yang, Xiaoran, et al.
Pubblicazione: (2025)
MRSAudio: A Large-Scale Multimodal Recorded Spatial Audio Dataset with Refined Annotations
di: Guo, Wenxiang, et al.
Pubblicazione: (2025)
di: Guo, Wenxiang, et al.
Pubblicazione: (2025)
MECap-R1: Emotion-aware Policy with Reinforcement Learning for Multimodal Emotion Captioning
di: Sun, Haoqin, et al.
Pubblicazione: (2025)
di: Sun, Haoqin, et al.
Pubblicazione: (2025)
Masked Audio Modeling with CLAP and Multi-Objective Learning
di: Xin, Yifei, et al.
Pubblicazione: (2024)
di: Xin, Yifei, et al.
Pubblicazione: (2024)
Phoenix-VAD: Streaming Semantic Endpoint Detection for Full-Duplex Speech Interaction
di: Wu, Weijie, et al.
Pubblicazione: (2025)
di: Wu, Weijie, et al.
Pubblicazione: (2025)
A Holistic Framework for Robust Bangla ASR and Speaker Diarization with Optimized VAD and CTC Alignment
di: Ishmam, Zarif, et al.
Pubblicazione: (2026)
di: Ishmam, Zarif, et al.
Pubblicazione: (2026)
LibriVAD: A Scalable Open Dataset with Deep Learning Benchmarks for Voice Activity Detection
di: Stylianou, Ioannis, et al.
Pubblicazione: (2025)
di: Stylianou, Ioannis, et al.
Pubblicazione: (2025)
Rebellion: Noise-Robust Reasoning Training for Audio Reasoning Models
di: Huang, Tiansheng, et al.
Pubblicazione: (2025)
di: Huang, Tiansheng, et al.
Pubblicazione: (2025)
AudioKV: KV Cache Eviction in Efficient Large Audio Language Models
di: Wang, Yuxuan, et al.
Pubblicazione: (2026)
di: Wang, Yuxuan, et al.
Pubblicazione: (2026)
DRKF: Decoupled Representations with Knowledge Fusion for Multimodal Emotion Recognition
di: Jiang, Peiyuan, et al.
Pubblicazione: (2025)
di: Jiang, Peiyuan, et al.
Pubblicazione: (2025)
AudioBERTScore: Objective Evaluation of Environmental Sound Synthesis Based on Similarity of Audio embedding Sequences
di: Kishi, Minoru, et al.
Pubblicazione: (2025)
di: Kishi, Minoru, et al.
Pubblicazione: (2025)
AV-EMO-Reasoning: Benchmarking Emotional Reasoning Capabilities in Omni-modal LLMS with Audio-visual Cues
di: Zhou, Dingkun, et al.
Pubblicazione: (2025)
di: Zhou, Dingkun, et al.
Pubblicazione: (2025)
Emotion-Aware Speech Self-Supervised Representation Learning with Intensity Knowledge
di: Liu, Rui, et al.
Pubblicazione: (2024)
di: Liu, Rui, et al.
Pubblicazione: (2024)
Semantically consistent Video-to-Audio Generation using Multimodal Language Large Model
di: Chen, Gehui, et al.
Pubblicazione: (2024)
di: Chen, Gehui, et al.
Pubblicazione: (2024)
Content and Style Aware Audio-Driven Facial Animation
di: Liu, Qingju, et al.
Pubblicazione: (2024)
di: Liu, Qingju, et al.
Pubblicazione: (2024)
Scaling Audio-Text Retrieval with Multimodal Large Language Models
di: Xu, Jilan, et al.
Pubblicazione: (2026)
di: Xu, Jilan, et al.
Pubblicazione: (2026)
UniAudio 2.0: A Unified Audio Language Model with Text-Aligned Factorized Audio Tokenization
di: Yang, Dongchao, et al.
Pubblicazione: (2026)
di: Yang, Dongchao, et al.
Pubblicazione: (2026)
Beyond Classification: Towards Speech Emotion Reasoning with Multitask AudioLLMs
di: Zhang, Wenyu, et al.
Pubblicazione: (2025)
di: Zhang, Wenyu, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Feature-Based Dual Visual Feature Extraction Model for Compound Multimodal Emotion Recognition
di: Liu, Ran, et al.
Pubblicazione: (2025) -
InconVAD: A Two-Stage Dual-Tower Framework for Multimodal Emotion Inconsistency Detection
di: Li, Zongyi, et al.
Pubblicazione: (2025) -
SincQDR-VAD: A Noise-Robust Voice Activity Detection Framework Leveraging Learnable Filters and Ranking-Aware Optimization
di: Wang, Chien-Chun, et al.
Pubblicazione: (2025) -
Robust Audio-Visual Target Speaker Extraction with Emotion-Aware Multiple Enrollment Fusion
di: Jin, Zhan, et al.
Pubblicazione: (2025) -
APRVOS: 1st Place Winner of 5th PVUW MeViS-Audio Track
di: Miao, Deshui, et al.
Pubblicazione: (2026)