A recent paper from Anthropic examines how large language models internally represent concepts related to emotions and how these representations influence behavior. The work is part of the...

Redesigning with heart: a journey into emotionally intelligent design Allow me to take you back to a project that changed the way I think about design. Some time ago, my team and I were handed a...

本研究探讨了人工智能驱动的视听个性化对学习者情感、注意力和学习成果的影响。研究提出了一种新方法，通过大型语言模型生成个性化的多感官学习环境，发现定制视听元素组合能有效提升学习者的认知负荷和参与感。

本研究提出了Chimera框架，以解决多模态情感分类中对视觉内容理解不足的问题。实验结果显示，该模型在MASC数据集上表现优异，具有较高的灵活性。

本研究提出了A4Net，一个深度表现网络，通过亮度、色彩丰富度、场景理解和面部表情四个属性，弥合传统视觉任务与情感分析之间的差距。实验结果表明，A4Net在视觉情感数据集上表现优异。

本研究提出了一种新模型LSGMER，解决了多模态情感识别中情感标签信息被忽视的问题，显著提高了分类的准确性和稳定性。实验结果表明，该模型在IEMOCAP和MELD数据集上表现优异。

该研究提出了一种名为SUMMER的新框架，旨在解决多模态情感识别中的模态异质性和指导性不足的问题。通过稀疏动态专家模型和层次交叉模态融合，该方法显著提升了情感识别能力，尤其在识别少数类和语义相似情感方面表现优于现有技术。

本研究提出了一种基于深度学习的音乐推荐系统，通过面部识别实时分析用户情感，自动播放与情绪匹配的音乐，以提升用户的情感福祉。

本研究提出了一种基于卷积神经网络（CNN）和梅尔频谱图的语音情感识别方法，能够有效提取音频数据中的复杂模式，显著提高分类准确率，并具备实时预测能力，适用于教育环境。

本文介绍了DeepPsy-Agent，一种结合心理学三阶段帮助理论与深度学习技术的创新心理支持系统。该系统通过动态对话管理和深度推理，有效应对AI心理支持中的挑战，提升心理干预的效果与质量。

本研究提出了一种结合MobileNetV4与多尺度3D MLP-Mixer的特征提取方法，旨在提高视频情感分析的效率与准确性，适用于实时应用。

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。

本研究提出了一种创新方法，结合结构化图、自然语言处理和深度学习，从简结构文本中提取信息，构建知识图谱，以提升人才分析的能力与效率。

本研究开发了“热与冷”数据集，利用GPT-4o mini对约80万条冰岛博客评论进行标注，涉及情感分析、情绪检测和仇恨言论等任务，推动内容审核和有害行为检测的进展。

本研究推出了BRIGHTER数据集，涵盖28种低资源语言，主要来自非洲、亚洲、东欧和拉丁美洲，为情感识别研究提供了新支持。

本研究提出了一种新颖的深度学习框架EmoNeXt，旨在提升人脸情感识别性能。该框架基于改进的ConvNeXt架构，结合空间变换网络和挤压与激励模块，优化特征提取，在FER2013数据集中实现了优于现有模型的情感分类准确率。

本研究提出了一个法语多模态数据集，结合面部表情、语音和手势，为情感识别提供全面视角，推动情感计算的发展。