本文介绍了多种用于多模态情绪识别的先进模型，如ELR-GNN、GBAN和GS-MCC。这些模型利用图神经网络和融合机制，显著提升了情感识别的准确性和效率，尤其在IEMOCAP和MELD数据集上表现突出。此外，研究还提出了新颖的对抗表示方法和多模态预训练框架，推动了情感识别技术的发展。

通过利用标签信息进行多模态情绪识别的新方法，学习每个话语的标签增强文本/语音表示，并设计了标签引导的注意融合模块，融合具有标签意识的文本和语音表示进行情绪分类。实验证明该方法优于现有基线并取得了最佳性能。