志在山顶的人，不会贪念山腰的风景

EmoSet-118K 在 8 个情感类别上的分布非常均衡，每类图片数量在 10,660 到 19,828 之间，优于现有数据集。：通过深入分析验证了属性与情感的相关性，并设计了一个属性模块，证明了利用属性信息可以显著提升视觉情感识别的性能。在 EmoSet 上训练的模型在情感识别准确率上优于在其他数据集（如 FI, Emotion6）上训练的模型。：基于心理学研究，建立了一套可描述的视觉情感属性体系，有助于从更精细和可解释的角度理解视觉情感。为了验证属性的有效性，作者提出了一个。

本文提出检索增强情感推理框架(RAER)来提升多模态大语言模型(MLLMs)的复合情感理解能力。RAER通过动态更新的情感知识库和思维链推理机制，结合检索增强技术处理情感歧义问题。同时设计了刺激武装强盗(SAB)评估框架，采用两两比较和Elo评分动态评估模型表现，并构建了包含复合情感问答的新数据集。主要贡献包括：1)首个结合检索增强与情感推理的RAER框架；2)创新的SAB评估方法；3)用于训练和评估的复合情感数据集。该方法显著提升了模型处理复杂情感任务的能力。

多模态大模型(MLLMs)在情感推理方面面临语义混淆和视觉冗余两大挑战。本文提出免训练方法SEPM，通过信心引导的粗到细推理(CCI)和情感视觉增强(VTA)提升模型表现。CCI采用两阶段分类策略，先粗分情感极性再细粒度分类，结合置信度评估优化推理；VTA引入情感提示和视觉Token丢弃机制，聚焦关键情感线索。实验表明，SEPM在多个数据集上显著优于基线方法，最高提升17.19%，验证了其有效性。该工作为MLLMs的情感理解提供了资源高效的优化方案。

提出情感解释(EI)这一新任务，突破传统情感分析仅识别情感类别的局限，转向探究情感产生的因果因素。研究构建了包含1615个样本的EIBench多模态基准数据集，采用由粗到细的自问(CFSA)标注流程，结合视觉-语言模型和人工校验，生成高质量的情感触发因素解释。

视觉情感识别(VER)面临数据标注困难与隐私问题，传统域自适应方法需访问源域数据，实用性受限。本文提出无源域自适应视觉情感识别任务(SFDA-VER)，并创新性地设计了"先搭桥后新生"(BBA)框架。BBA通过两个阶段解决核心挑战：首先生成可靠的桥梁模型提供高质量伪标签，再彻底抛弃源模型参数，从零训练目标模型。实验在六个跨域任务中验证了BBA的有效性，其性能不仅显著优于现有SFDA方法，甚至超越可访问源数据的UDA方法。该研究为隐私保护下的情感AI应用提供了新思路。

提出了一种结合数据驱动和模型优化的方法，提升多模态大语言模型（MLLM）在情感识别任务中的性能。针对现有数据集规模小、质量不足的问题，采用"模型主导，人工辅助"策略构建了MER-Caption数据集，包含115K样本和2.9K种细粒度情感。模型方面，设计AffectGPT引入预融合机制强化跨模态特征整合。同时建立了MER-UniBench评估基准，包含三类情感任务和针对生成式模型的新指标。

提出EmoEdit框架，旨在解决情感图像编辑（AIM）中语义内容修改与结构保真的平衡问题。通过设计情感知识注入模块（Emotion Adapter）、构建4万对高质量情感编辑数据集（EmoEditSet），并引入情感指导损失函数，使模型在保持图像结构的同时实现语义层面的情感表达。