The dataset viewer is not available for this split.
Error code: StreamingRowsError
Exception: CastError
Message: Couldn't cast
wav: binary
__key__: string
__url__: string
tar: null
to
{'tar': Value('binary'), '__key__': Value('string'), '__url__': Value('string')}
because column names don't match
Traceback: Traceback (most recent call last):
File "/src/services/worker/src/worker/utils.py", line 99, in get_rows_or_raise
return get_rows(
File "/src/libs/libcommon/src/libcommon/utils.py", line 272, in decorator
return func(*args, **kwargs)
File "/src/services/worker/src/worker/utils.py", line 77, in get_rows
rows_plus_one = list(itertools.islice(ds, rows_max_number + 1))
File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 2361, in __iter__
for key, example in ex_iterable:
File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 1882, in __iter__
for key, pa_table in self._iter_arrow():
File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 1914, in _iter_arrow
pa_table = cast_table_to_features(pa_table, self.features)
File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2192, in cast_table_to_features
raise CastError(
datasets.table.CastError: Couldn't cast
wav: binary
__key__: string
__url__: string
tar: null
to
{'tar': Value('binary'), '__key__': Value('string'), '__url__': Value('string')}
because column names don't matchNeed help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.
MelTrim 数据集
欢迎来到 MelTrim 数据集！该存储库托管了用于训练和评估 MelTrim 模型的数据集，其中包含了多个知名的情感和多模态对话数据集。
简介
MelTrim 是一个专注于情感识别和多模态情感分析的模型。为了让模型能够更好地理解和处理复杂的人类情感，我们整合了以下三个高质量的数据集：
- MEAD (Multi-view Emotional Audio-visual Dataset)
- MELD (Multimodal EmotionLines Dataset)
- M3ED (Multi-modal Multi-scene Multi-label Emotional Dialogue Database)
这些数据集提供了丰富的音频、视频和文本信息，涵盖了多种情感、场景和语言，为训练强大的多模态情感模型奠定了坚实的基础。
数据集详情
MEAD (Multi-view Emotional Audio-visual Dataset)
MEAD 是一个大规模的、用于情感化人脸视频生成的多视角视听数据集。
- 内容: 该数据集包含 60 位演员在三种不同强度水平下，用八种不同情绪进行表达的视频。
- 视角: 视频在严格控制的环境下，从七个不同的视角同时录制，以提供高质量的面部表情细节。
- 规模: 每位演员和每个视角都录制了约 40 小时的视听片段。
- 情感: 数据集涵盖了八种核心情感，为情感生成和识别研究提供了丰富的样本。
- 应用: MEAD 数据集非常适合用于条件生成、跨模态理解和表情识别等研究领域。
MELD (Multimodal EmotionLines Dataset)
MELD 是一个多模态、多方对话的情感识别数据集，通过对 EmotionLines 数据集的增强和扩展而来。
- 来源: 数据来源于经典美剧《老友记》（Friends），包含了超过 1400 个对话和 13000 个话语。
- 多模态: 每个话语都包含音频、视频和文本三种模态的信息。
- 情感标注: 每个话语都被标注了七种情感之一：愤怒、厌恶、悲伤、喜悦、中性、惊讶和恐惧。
- 情感倾向: 同时，MELD 也为每个话语提供了情感倾向（正面、负面和中性）的标注。
M3ED (Multi-modal Multi-scene Multi-label Emotional Dialogue Database)
M3ED 是首个中文多模态情感对话数据集，为跨文化情感分析和识别提供了宝贵的资源。
- 内容: 该数据集包含了来自 56 部不同电视剧的 990 个双人情感对话，共计 9,082 轮次和 24,449 个话语。
- 多模态: 与 MELD 类似，M3ED 同样包含声学、视觉和文本三种模态。
- 情感标注: 话语级别上标注了七种情感类别：快乐、惊讶、悲伤、厌恶、愤怒、恐惧和中性。
- 价值: 作为首个中文多模态情感对话数据集，M3ED 对于促进跨文化情感计算研究具有重要意义。
使用说明
每个数据集都存放在各自的文件夹中。您可以根据需要加载和使用这些数据来训练或评估您的模型。建议在使用前仔细阅读每个数据集的原始论文，以了解其详细信息和使用规范。
许可证
本数据集合集中的每个数据集都遵循其原始的许可证规定。在使用任何特定数据集之前，请务必查阅并遵守其原始的许可协议。
如何引用
如果您在您的研究中使用了这些数据集，请务必引用其原始出处：
MEAD:
Kaisiyuan Wang, Qianyi Wu, Linsen Song, Zhuoqian Yang, Wayne Wu, Chen Qian, Ran He, Yu Qiao, Chen Change Loy. "MEAD: A Large-scale Audio-visual Dataset for Emotional Talking-face Generation." ECCV 2020.
MELD:
S. Poria, D. Hazarika, N. Majumder, G. Naik, E. Cambria, R. Mihalcea. "MELD: A Multimodal Multi-Party Dataset for Emotion Recognition in Conversation." ACL 2019.
M3ED:
Jia-Chen Li, et al. "M3ED: A Multi-modal Multi-scene Multi-label Emotional Dialogue Database." ACL 2021.
- Downloads last month
- 3