2020年,优必选科技与华南理工大学合作共建了“类人情感智能”联合创新实验室,在双方强强联合下,联合创新实验室在相关技术上不断取得突破。近期,该实验室的最新论文《Key-Sparse Transformer For Multimodal Speech Emotion Recognition》(用于多模态情感识别的KS-Transformer),就入选了刚刚结束的ICASSP 2022(International Conference on Acoustics, Speech and Signal Processing) ,该会议由电气电子工程师学会(IEEE)主办,是全世界最大、最全面的声学、语音和信号处理国际会议。
以下是该论文的核心观点。
多模态情感识别是人机交互中的重要技术,也是人工智能走向类人智能时所需要攻克的关键难题。在以往的大多数研究工作当中,情感识别系统会考虑输入语音信号或文字信号中的所有信息。但是,在整段的信号里面,蕴含有情感信息的片段往往只占整体中的一部分。在情感识别过程中,情感无关的信息会成为系统中的噪声,从而影响识别系统的性能。因此,如何让系统尽量关注信号中蕴含有丰富情感信息的片段