Incremental Micro-Expression Recognition: A Benchmark

Zengyuan Lai

doi:10.1109/taffc.2026.3680615

Incremental Micro-Expression Recognition: A Benchmark

2026-01-01

0

PRE

AI

DOI：10.1109/taffc.2026.3680615

原文链接

摘要

En 中文

微表情识别（MER）在理解隐藏情绪中发挥着关键作用。尽管传统方法假设静态数据集，但现实场景需要适应持续演化的数据流。为此，我们引入了首个专门针对增量微表情识别（IMER）的基准。我们的贡献包括：首先，我们构建了一个复合类-领域增量学习设置，并从五个代表性数据集中按精心编排的学习顺序构建了一个顺序基准，以反映现实场景。其次，我们通过折叠绑定策略建立了稳健的评估协议，以确保严格的跨会话验证，并使用全面的指标和新颖的跨域可视化来诊断性能。第三，我们提出了马氏距离精炼（MR）方法，这是一种两阶段方法，利用累积的二阶统计量来保证稳定性，并通过马氏距离约束的精炼来保证可塑性。大量实验表明，MR显著优于当前最优基线，有效平衡了稳定性与可塑性之间的困境。这项工作为可扩展和自适应的微表情分析奠定了基础。所有源代码将公开发布。

Incremental Micro-Expression Recognition: A Benchmark

摘要

期刊

机构

引用论文