本研究提出了一种异构双模态注意力融合框架（HBAF），旨在解决多模态情感识别中的模态差距问题。通过引入上下文信息和动态双模态注意力，HBAF提高了音频与文本的融合效率和交互能力。实验结果表明，该方法在MELD和IEMOCAP数据集上优于现有基线。

本文提出了一种新颖的深度感知注意力融合网络，通过特定编码器提取色彩和深度信息，并引入深度加权交叉注意力融合模块，动态调整特征图融合权重。实验结果表明，该方法在伪装物体检测中显著优于其他方法，验证了深度信息的重要性。