マルチモーダル感情認識

マルチモーダル感情認識は、IEMOCAPデータセットを対象とした感情認識タスクで、音響（A）、テキスト（T）、および視覚（V）のモーダル情報を統合することで、感情認識の精度と堅牢性を向上させることが目的です。このタスクでは、標準的な5クラス感情分類を使用し、評価にはセッションごとのクロスバリデーション（leave-one-session-out: LOSO）が用いられます。特に、人間とコンピュータの相互作用、感情計算、精神健康の分野において、重要な研究価値と応用価値を持っています。