HSEmotion 팀이 11회 Affective Behavior Analysis in-the-Wild (ABAW) 챌린지에서 멀티태스크 학습을 통해 s-Aff-Wild2 데이터셋에서 감정, 각성, 표정, 동작 단위를 동시에 예측했어요.
망설임/모호성 비디오 인식에서는 얼굴, HuBERT 오디오, RoBERTa 텍스트 분류기를 융합하여 비디오 레벨 Macro F1을 개선했고, 검증 세트에서 프레임 레벨 Weighted F1이 0.79로 상승했어요.
무거운 백본을 미세 조정하지 않고도 경쟁력 있는 성능을 달성했으며, 체계적인 예측 교정 및 경량 멀티모달 융합이 더 무거운 엔드투엔드 접근 방식과 경쟁할 수 있음을 보여줬어요.