arXiv cs.SD RSS·· 1 天前
Crab：用多层对比监督提升表演与自然语音条件下的语音情感识别
Crab: Multi Layer Contrastive Supervision to Improve Speech Emotion Recognition Under Both Acted and Natural Speech Condition
摘要
Crab（Contrastive Representation and Multimodal Aligned Bottleneck）是一种双模态跨模态 Transformer 架构，融合 WavLM 语音表征与 RoBERTa 文本表征，并提出多层对比监督（MLCS）策略，在网络多层注入多正样本对比学习信号，推理时不增加参数。
应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv cs.SD RSS · arxiv.org