REPRODUCTION & RESOURCES
复现说明
从公开源码、固定版本权重与数据开始，运行冻结的 RM-Net + BERT LoRA 模型。
运行环境
Python 3.11 · CPU / CUDA以下命令对应当前 GitHub 代码仓库。模型权重与数据分别从 Hugging Face 下载，下载脚本固定版本并校验 SHA-256。
代码与依赖
BASH
git clone https://github.com/rudykon/EmoMosaic.git
cd EmoMosaic
python3.11 -m venv .venv
.venv/bin/python -m pip install --upgrade pip
.venv/bin/python -m pip install torch==2.6.0 --index-url https://download.pytorch.org/whl/cpu
.venv/bin/python -m pip install -r requirements.txt下载资源与预测
BASH
make download-weights
make download-models
make download-data
make predict数据约 3.80 GiB，公开下载无需令牌。输出文件为 validation/attachment3_predictions.csv，包含 30 条无标签样本的预测，不用于计算准确率。
重建特征与评估
BASH
.venv/bin/python code/src/p2p3/prepare.py --device cpu
make evaluate
make test
make check-weights历史留出集曾在开发阶段被查看，不属于独立盲测。训练、评估及历史分析需要各自的输入文件；完整说明以仓库 README 为准。
研究资料
01
源码
训练、推理、评估、解释和独立对齐流程。
GitHub ↗ 02模型权重
五个 RM-Net 检查点、五个 LoRA 适配器与冻结融合规则。
Hugging Face ↗ 03数据集
CMU-MOSEI 衍生集合的原始数据、标签与对齐特征。
Hugging Face Datasets ↗网页结果和交互样本使用保留来源与校验信息的冻结记录。浏览器模型从本站按需加载；Android APK 由本项目 Release 提供，完整训练数据由上述数据集入口获取。
研究项目
Reliability-Aware Multimodal Sentiment Prediction Under Local Modality Missingness
Minghao Kong · Deng Yao · Xi Zhang · Ying Gao · Jiurun Chen · Zirong Liu · Rongjie Wang
Sun Yat-sen University · Pengcheng Laboratory
项目结构
code/src/p2p3/模型、训练、预测与解释code/src/problem1/独立特征提取与词级对齐scripts/download_weights.py下载并校验模型权重scripts/download_data.py下载并校验既有数据website/项目网页、图件与交互快照scripts/build_pages.py静态网页构建词级对齐流程输出与预测模型使用的预提取特征不可互换。原创代码采用 MIT 许可证，数据和第三方组件遵循各自条款。