MELD Preprocessed

Multi-modal dataset designed for emotion recognition (text, audio, vision)专为情感识别任务设计的多模态数据集（Multi-modal dataset），涵盖文本、音频、视觉三种模态

搜集汇总

背景与挑战

背景概述

MELD Preprocessed是一个多模态情感识别数据集，包含从对话视频中提取的文本、音频和视觉数据，并已进行标准化预处理。数据集以PyTorch友好的.pt文件格式存储，包含清洗后的文本、音频波形、Mel频谱图和人脸图像等特征，适用于情感识别和多模态融合研究。