跳到正文
arXiv · 机器人与计算机视觉· Kris Kraack·· 2026-10-16AI 评分18

多模态情感识别系统:融合面部、肢体、语音与语言

A Multimodal Emotion Recognition System: Integrating Facial Expressions, Body Movement, Speech, and Spoken Language

AI 导读

该系统结合面部表情、语音情绪、转录文本及肢体动作分析,输出概率分布以辅助心理评估。在 52 名参与者表达七种情绪的远程研究中,单模态准确率降至 82.97%-87.64%,而多模态融合系统达 96.43%(p<10^-4),所有情绪识别率均超 92.31%。v2 版本修正了实现问题并更新了结果,架构图已正式化且参考文献更新。

来源:arXiv · 机器人与计算机视觉 · arxiv.org