Transformer를 이용한 언어적-음성 감정 인식을 위한 조절형 융합

이 논문은 정서 인식 및 감성 분석 작업을 위한 새로운 경량화되면서도 강력한 솔루션을 제안하는 것을 목표로 한다. 우리의 동기는 다양한 데이터셋에서 제공하는 언어적 및 음성적 입력을 통합하는 Transformer 기반의 두 가지 아키텍처를 제안하여, 기존 최고 수준의 성능을 도전하고 때로는 이를 초월하고자 하는 데 있다. 제안된 모델의 효율성을 입증하기 위해, IEMOCAP, MOSI, MOSEI 및 MELD 데이터셋에서 모델들의 성능을 철저히 평가하였다. 실험은 직접 재현 가능하며, 코드는 향후 연구를 위해 완전히 공개되어 있다.