7月29日
11:50
11:50官方账号arXiv cs.AI@Podakanti Satyajith Chary, Barath Parthiban, Pranesh Velmurugan, Adeeba Khan, Nagarajan Ganapathy
PRISM-AH是一种新框架,通过冻结视觉、音频和文本编码器,对齐到短时间窗口,利用轻量级流模型评分跨模态不协调并预测下一窗口。该框架在525个视频的公开测试集上取得0.6133的macro F1,相比零样本基线0.2827提升显著。知识引导的大语言模型基于结构化证据进行推理,仅在验证性能提升时进行后期融合。
推荐理由:PRISM-AH在视频级矛盾识别上把macro F1从0.28翻到0.61,比直接看零样本强多了,适合研究多模态情感分析的人看看。