Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.01491

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2306.01491 (cs)
[提交于 2023年6月2日 ]

标题: 学习局部到全局特征聚合用于语音情感识别

标题: Learning Local to Global Feature Aggregation for Speech Emotion Recognition

Authors:Cheng Lu, Hailun Lian, Wenming Zheng, Yuan Zong, Yan Zhao, Sunan Li
摘要: Transformer目前在语音情感识别(SER)中已经出现。 然而,其等分块不仅损害了频率信息,还忽略了跨帧的局部情感相关性,这些是表示情感的关键线索。 为了解决这个问题,我们提出了一个局部到全局特征聚合学习(LGFA)用于SER,可以在保留完整频率信息的同时,聚合不同尺度的帧内和段内的长期情感相关性,以增强话语级语音特征的情感区分能力。 为此,我们在段Transformer内部嵌套了一个帧Transformer。 首先,帧Transformer被设计用来挖掘帧之间的局部情感相关性以获得帧嵌入。 然后,将帧嵌入及其对应的段特征作为不同层次的补充输入到段Transformer中,以学习话语级的全局情感特征。 实验结果表明,LGFA的性能优于最先进方法。
摘要: Transformer has emerged in speech emotion recognition (SER) at present. However, its equal patch division not only damages frequency information but also ignores local emotion correlations across frames, which are key cues to represent emotion. To handle the issue, we propose a Local to Global Feature Aggregation learning (LGFA) for SER, which can aggregate longterm emotion correlations at different scales both inside frames and segments with entire frequency information to enhance the emotion discrimination of utterance-level speech features. For this purpose, we nest a Frame Transformer inside a Segment Transformer. Firstly, Frame Transformer is designed to excavate local emotion correlations between frames for frame embeddings. Then, the frame embeddings and their corresponding segment features are aggregated as different-level complements to be fed into Segment Transformer for learning utterance-level global emotion features. Experimental results show that the performance of LGFA is superior to the state-of-the-art methods.
评论: 本文已被接受在2023年INTERSPEECH会议上
主题: 声音 (cs.SD)
引用方式: arXiv:2306.01491 [cs.SD]
  (或者 arXiv:2306.01491v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.01491
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Cheng Lu [查看电子邮件]
[v1] 星期五, 2023 年 6 月 2 日 12:34:14 UTC (2,299 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs.SD

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号