هوش مصنوعی
DGC-Net برای تحلیل احساسات ویدئوها، نشانه‌های چندرسانه‌ای را با هم ترکیب می‌کند
پیش‌چاپی در arXiv روشی را معرفی می‌کند که متن، صدا و تصویر را برای شناسایی احساسات گوینده در ویدئوهای کاربرساخته به کار می‌گیرد.
ویدئوهایی مانند ولاگ‌های نظرخواهی و نقد محصولات، نشانه‌های احساسی را در متن، لحن صدا و حالت چهره ثبت می‌کنند؛ بنابراین، متن پیاده‌شده به‌تنهایی ممکن است شدت یا جهت احساس گوینده را نشان ندهد. پژوهش معرفی‌شده با نام DGC-Net به مسئلهٔ تحلیل احساسات چندوجهی می‌پردازد؛ حوزه‌ای که این سه نوع داده را با هم ترکیب می‌کند.
به‌گفتهٔ چکیده، نشانه‌های احساسی در هر وجه ممکن است ظریف، پرنویز یا ناسازگار باشند. روش‌های پیشینِ مدل‌سازی نشانه‌های محلی معمولاً هر وجه را جداگانه بررسی می‌کنند و زمینهٔ کلیِ موجود در وجه‌های دیگر را نادیده می‌گیرند؛ امری که می‌تواند به ناسازگاری میان نشانه‌های احساسی بینجامد. عنوان مقاله به مسیریابی پویای بین‌وجهی و جبران هدایت‌شده با زمینهٔ جهانی اشاره دارد، اما متن در دسترس جزئیات روش یا نتایج ارزیابی را ارائه نمی‌کند. این مقاله نسخهٔ پیش‌چاپی است که در arXiv منتشر شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده