CMU-MOSEI

CMU-MOSEI数据集在CMU-MOSI的基础上扩展了数据量，包括了来自5000个视频的22856个视频片段，并且丰富了说话者的多样性，涵盖了更多主题。其中每个片段都是一个独立的多模态示例，其中图像、文本和音频占比也是均匀的，同样被标记为[-3,+3]的情感得分。The CMU-MOSEI dataset expands the data base of the CMU-MOSI to include 22,856 video clips from 5,000 videos, as well as enriching the diversity of speakers and covering more topics. Each segment is an independent multimodal example with an even proportion of image, text, and audio, also labeled with an emotion score of [-3,+3].

CMU-MOSEI数据集基于CMU-MOSI数据集扩充了数据集规模，收录了来自5000个原始视频的22856个视频片段，同时丰富了说话者群体的多样性，覆盖了更多元的研究主题。该数据集中的每个片段均为独立的多模态样本，图像、文本与音频的占比均衡，且所有样本均被标注了[-3, +3]区间内的情感得分。

搜集汇总

背景与挑战

背景概述

CMU-MOSEI数据集是CMU-MOSI的扩展版本，包含来自5000个视频的22856个视频片段，每个片段都是独立的多模态示例，均匀整合了图像、文本和音频。该数据集丰富了说话者多样性和主题覆盖，并使用[-3,+3]的情感得分进行标注，适用于多模态情感分析研究。