Компьютерные науки > Вычисления и язык [представлены 18 июля 2026 года] Название: Modality Discription Transformer for Ambibulatory and Hesitentance View Vieve PDF HTML (экспериментальный) Резюме: Амбивалентность и неуступчивость (A/H) - это те состояния, в которых люди выражают противоречивые сигналы через лицевые, голосовые и лингвистические каналы. Автоматическое распознавание A/H в клинических видео требует выявления межрежимных разногласий -- сигнала, который стандартные методы синтеза подавляют. На основе созвучной конфликту мультимодальной системы синтеза Bekhosh et al. мы представляем Трансформатор MDT. MDT обогащает оригинальный шеститактный дизайн до 9-тонного отображения, включающего три вида встроенной формы, три абсолютно различимых элемента и три свойства расхождения между Hadamard и продуктом, полученные с помощью линейных прогнозов. Эти девять символов проходят трансформаторную самооценку с текстовой модификацией на основе FILM и отладкой LORA в качестве ключевых архитектурных компонентов. Сформулированная с запозданием в системе синтеза текстовая вспомогательная головка смешивается со всей мультимодальной выходной мощностью. На наборе данных по БАХ из третьего ABAW Challenge MDT достигает 0,7408 Macro F1 на маркированном тестовом разделе и 0,7368 на частной доске, превысив самые сильные опубликованные исходные показатели более чем на 10 пунктов при подготовке менее 20 минут на одном ГПС. Загрузка ссылок и цитат... Библиографический и…
Трансформатор для распознавания двусмысленности и неуступчивости
arXiv: 2609.19148v1 Аннонс Тип: перекрестное резюме: двусмысленность и неуступчивость (A/H) являются влиятельными государствами, где отдельные лица выражают противоречивые сигналы через лицевые, голосовые и лингвистические каналы. Автоматическое распознавание A/H в клинических видео требует выявления межрежимных разногласий -- сигнала, который стандартные методы синтеза подавляют. На основе созвучной конфликту мультимодальной системы синтеза Bekhosh et al. мы представляем Трансформатор MDT. MDT обогащает оригинальный шеститактный дизайн до 9-тонного отображения, включающего три вида встроенной формы, три абсолютно различимых элемента и три свойства расхождения между Hadamard и продуктом, полученные с помощью линейных прогнозов. Эти девять символов проходят трансформаторную самооценку с текстовой модификацией на основе FILM и отладкой LORA в качестве ключевых архитектурных компонентов. Сформулированная с запозданием в системе синтеза текстовая вспомогательная головка смешивается со всей мультимодальной выходной мощностью. На наборе данных BAH из