DGC-Net 用动态专家路由与全局引导补偿融合改进多模态情感分析。
资讯摘要
论文提出 DGC-Net，用于多模态情感分析，整合文本、声学与视觉线索。作者指出，现有局部情感线索建模忽略其他模态的全局上下文，易造成跨模态情感线索不一致；层次化全局-局部融合又隐式决定两者贡献，难以随样本可靠性自适应。DGC-Net 通过跨模态贡献感知的动态专家路由，以全局上下文引导局部专家选择，并用全局引导的动态补偿融合缓解贡献失衡。作者报告在五个基准数据集上验证了有效性与通用性。
要点速读
- 论文提出 DGC-Net，用跨模态贡献感知的动态专家路由缓解跨模态情感线索不一致。
- 采用全局引导的动态补偿融合，在保留全局语义为主锚点的同时自适应引入专家精炼的局部线索。
- 作者报告在五个多模态基准数据集上验证有效性，消融实验验证各组件贡献。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。