CMU-MOSEI, dont le nom complet est CMU Multimodal Opinion Sentiment and Emotion Intensity, est le plus grand ensemble de données trimodales avec des annotations de sentiment et d'émotion.

L'ensemble de données CMU-MOSEI contient plus de 65 heures de vidéo annotée de plus de 1 000 intervenants couvrant 250 sujets. Il convient de noter que cet ensemble de données présente une fonctionnalité multi-étiquettes, c'est-à-dire que chaque échantillon peut correspondre à plusieurs émotions, et la force des émotions correspondantes est également différente, allant de [-3 à 3].