HyPASE: Framework PEFT Iperbolico per il Riconoscimento delle Emozioni nel Parlato nei LALM

Un nuovo framework chiamato HyPASE è stato sviluppato dai ricercatori per migliorare il Riconoscimento delle Emozioni nel Parlato (SER) nei Grandi Modelli Audio-Linguistici (LALM). Questo innovativo approccio di fine-tuning efficiente in termini di parametri (PEFT), descritto in un articolo arXiv (2608.04351), affronta le carenze delle tecniche PEFT esistenti che operano in spazi euclidei piatti, i quali rappresentano in modo inadeguato i segnali sfumati dell'emozione, dalla prosodia di base alla semantica complessa. HyPASE utilizza il modello della palla di Poincaré della geometria iperbolica, sfruttando il raggio iperbolico per indicare la granularità rappresentazionale. Presenta due elementi principali: un Adattatore Geometrico Iperbolico (HGA) per la modulazione adattiva dei pesi e un Aggregatore Cross-modale Multi-capacità Consapevole delle Emozioni (EMCA) che condensa caratteristiche multi-scala in prefissi audio semplificati. I risultati preliminari su benchmark consolidati evidenziano la sua efficacia, segnando un notevole avanzamento per il SER nei LALM, con implicazioni per l'interazione uomo-computer, il calcolo affettivo e il monitoraggio della salute mentale. Questo lavoro è stato presentato come invio cross-type su arXiv.