多模态情感识别意味着使用不同的资源和技术来识别和识别人类的情感。各种数据源，如人脸，语音，语音，文本和其他必须同时处理这个识别任务。然而，大多数主要基于深度学习的技术都是使用在受控条件下设计和构建的数据集进行训练的，这使得它们在具有真实的条件的真实的上下文中的适用性更加困难。出于这个原因，这项工作的目的是评估一组野外数据集，以显示它们在多模态情感识别方面的优势和劣势。评估了四个野外数据集：AFEW

人们通过他们的面部表情和语音表情传达他们的情绪状态。我们提出了一个独特的视听数据集，专门用于研究多模态情绪的表达和感知。该数据集包括以一系列基本情绪状态（快乐happy、悲伤sad、愤怒anger、恐惧fear、厌恶disgust和中立neutral）。来自91名不同种族背景的演员说出的句子，录制了7,442个片段，由众包的2,443名标注者以三种模态进行评分：音频，视频和视听，标注了情绪分类标签