热点事件持续更新
研究人员提出用于情绪识别的多模态Transformer EMT-DS
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv发布了一篇机器学习领域的研究成果。研究人员提出了一种基于Dempster-Shafer证据理论融合的证据多模态Transformer模型（EMT-DS），主要应用于情绪识别任务。该研究旨在应对多模态场景下的不确定性与模态冲突，通过将模型的预测结果建模为狄利克雷分布，实现对冲突证据的有效量化，并在模型发生误判时降低置信度，从而提升情绪识别系统的可靠性与稳健表现。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
研究人员提出基于Dempster-Shafer融合的EMT-DS模型，用于情绪识别并量化冲突证据。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习用于情绪识别的 Dempster-Shafer 融合证据多模态 Transformer（EMT-DS）
研究人员提出基于 Dempster-Shafer 融合的证据多模态 Transformer（EMT-DS），通过将预测建模为狄利克雷分布来量化冲突证据并降低误判置信度。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。