WavFusion：迈向wav2vec 2.0多模态语音情感识别

本研究针对语音情感识别中的多模态融合问题，提出了WavFusion框架，重点解决跨模态交互的复杂性及模态间的异质性。通过引入门控跨模态注意机制和多模态同质特征差异学习，WavFusion在基准数据集上表现优于现有的最先进方法，突出精确捕捉跨模态交互的重要性。