近日，在第二屆多模態(tài)情感識(shí)別挑戰(zhàn)賽(MER24)上，Soul App語(yǔ)音技術(shù)團(tuán)隊(duì)(Soul AI)在SEMI(半監(jiān)督學(xué)習(xí))賽道獲得第一名。
國(guó)際人工智能聯(lián)合會(huì)議(International Joint Conference on Artificial Intelligence,IJCAI)是人工智能領(lǐng)域頂級(jí)的國(guó)際學(xué)術(shù)會(huì)議之一，也是中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)推薦的A類會(huì)議。為促進(jìn)情感計(jì)算在人機(jī)交互領(lǐng)域的發(fā)展，深入探討該領(lǐng)域最新研究進(jìn)展、未來(lái)發(fā)展方向和技術(shù)在真實(shí)場(chǎng)景中的落地應(yīng)用，來(lái)自清華大學(xué)、中國(guó)科學(xué)院自動(dòng)化研究所、帝國(guó)理工學(xué)院、奧盧大學(xué)、南洋理工大學(xué)等高校的多位專家學(xué)者聯(lián)合在IJCAI2024上舉辦多模態(tài)情感識(shí)別挑戰(zhàn)賽MER24，并在ACM國(guó)際多媒體會(huì)議(ACM International Conference on Multimedia，ACM MM 2024)上組織多模態(tài)與可靠性情感計(jì)算研討會(huì)MRAC24(Multimodal, Generative and Responsible Affective Computing 2024)。
此次多模態(tài)情感識(shí)別挑戰(zhàn)賽(MER24)上，設(shè)置了SEMI(半監(jiān)督學(xué)習(xí))、NOISE(噪聲魯棒性)、OV(開(kāi)放式詞匯情緒識(shí)別)三個(gè)賽道，共吸引了來(lái)自知名高校、科技企業(yè)等近百支參賽隊(duì)伍。
其中，SEMI賽道旨在探索和改進(jìn)半監(jiān)督學(xué)習(xí)策略，以便更好地利用未標(biāo)記數(shù)據(jù)來(lái)提高情緒識(shí)別的性能。因當(dāng)前在實(shí)際應(yīng)用中，獲取大量帶有情緒標(biāo)簽的數(shù)據(jù)是困難且成本高昂的，半監(jiān)督學(xué)習(xí)是一種減少對(duì)標(biāo)記數(shù)據(jù)依賴的方法，因此SEMI為大賽中頗受關(guān)注、參賽隊(duì)伍最多且難度高的賽道，Soul語(yǔ)音技術(shù)團(tuán)隊(duì)?wèi){借平臺(tái)扎實(shí)的技術(shù)能力積累和創(chuàng)新技術(shù)方案在此賽道中獲得第一名。
一直以來(lái)，多模態(tài)情感識(shí)別在人工智能領(lǐng)域都是一個(gè)活躍的研究課題，它的主要目標(biāo)是整合多種模態(tài)來(lái)識(shí)別人類的情緒狀態(tài)。特別是在社交領(lǐng)域，多模態(tài)情感識(shí)別技術(shù)更是重要的一環(huán)。社交的本質(zhì)是情感的流動(dòng)，只有能夠?qū)崿F(xiàn)情感的識(shí)別，才能讓AI更好的理解人性、情緒和情感，實(shí)現(xiàn)理想的人機(jī)互動(dòng)。
Soul定位為新型開(kāi)放式社交平臺(tái)，致力于用底層技術(shù)和產(chǎn)品模式創(chuàng)新持續(xù)提升用戶的社交體驗(yàn)。自2016年上線，Soul便不斷思考AI在社交場(chǎng)景的具體落地應(yīng)用。2020年，Soul啟動(dòng)對(duì)AIGC的技術(shù)研發(fā)工作，系統(tǒng)推進(jìn)在智能對(duì)話、圖像生成、語(yǔ)音&音樂(lè)生成等AIGC關(guān)鍵技術(shù)能力研發(fā)工作。為了讓AI更能理解情緒，為用戶帶來(lái)更好的情緒反饋和陪伴感，情感識(shí)別是Soul技術(shù)團(tuán)隊(duì)關(guān)注的焦點(diǎn)之一。
目前，Soul具備多模態(tài)情感識(shí)別能力的語(yǔ)言大模型 Soul X、語(yǔ)音大模型均已上線，并推出了“AI茍蛋”“狼人魅影”“異世界回響”等功能/產(chǎn)品，相關(guān)技術(shù)已在AI輔助社交、AI陪伴、AI游戲等多個(gè)創(chuàng)新場(chǎng)景中得到應(yīng)用。
在第二屆多模態(tài)情感識(shí)別挑戰(zhàn)賽(MER24)上，基于目前平臺(tái)自研大模型部分模塊，Soul語(yǔ)音技術(shù)團(tuán)隊(duì)重新調(diào)整了創(chuàng)新方案參賽，包括提出微調(diào)模型EmoVCLIP，用于適應(yīng)視頻的情感識(shí)別;使用Self-training策略，通過(guò)循環(huán)對(duì)無(wú)標(biāo)簽數(shù)據(jù)打偽標(biāo)簽與訓(xùn)練模型之間相互迭代從而提升模型的泛化性能;針對(duì)模型不同模態(tài)之間融合存在的競(jìng)爭(zhēng)效應(yīng)，首次在多模態(tài)情感識(shí)別領(lǐng)域使用Modality Dropout，有效提高模型情感識(shí)別準(zhǔn)確率等，最終憑借極高的準(zhǔn)確性和泛化性能在比賽中獲勝。
現(xiàn)階段，讓AI“理解”人、實(shí)現(xiàn)有情感的人機(jī)交互已經(jīng)成為學(xué)界、科技領(lǐng)域關(guān)注的焦點(diǎn)。在近日舉辦的ChinaJoy AIGC大會(huì)上，Soul 副總裁及產(chǎn)品負(fù)責(zé)人車斌表示，相比“智商”，社交領(lǐng)域更需要有“情商”的大模型，即需要多模態(tài)的、具備擬人化屬性，確保實(shí)現(xiàn)情感化、個(gè)性化和生活化。
此次多模態(tài)情感識(shí)別挑戰(zhàn)賽上取得成績(jī)，在國(guó)際賽事舞臺(tái)上展現(xiàn)了Soul的前沿洞察和技術(shù)能力。接下來(lái)，Soul在推進(jìn)AIGC在社交場(chǎng)景落地的探索中，將進(jìn)一步利用多模態(tài)情感識(shí)別技術(shù)能力，讓AI輔助社交、提升關(guān)系建立的質(zhì)量和效率的同時(shí)，構(gòu)建人機(jī)交互新場(chǎng)景，讓用戶可以與AI進(jìn)行更加有溫度、沉浸、趣味的互動(dòng)交流。
