1月17日消息，中科大研究人员发表论文提出了分解式双线性池化（FBP）方法来深度融合视频和音频的特征。特别是这些特征是通过从各自形态到获取情感相关区域这样的嵌入式注意机制选择的。整个流程可以在神经网络中完成。通过在EmotiW2018挑战赛中音频-视频分赛AFEW数据集上的验证，该方法取得了62.48%的准确率，超越了其他顶级成果。