.png){kind=icon}
返回
Micro-Expression Key Frame Inference
.png){kind=icon}
PRE
AI
DOI：10.1109/TAFFC.2025.3548284.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微表情（MEs）是短暂的、非自愿的面部运动，对于识破谎言至关重要，因此越来越受到心理学和计算机科学领域的关注。然而，标注微表情会给人类编码者带来过多的时间投入和过载的信息负担，从而影响编码的可靠性和效率。数据标注的这些困难也导致了小样本问题，并阻碍了微表情分析的发展。具体而言，我们的心理学研究表明，人类对关键帧的标注涉及复杂的因素。为促进微表情的标注过程，我们提出了微表情关键帧推理（ME-KFI）问题，旨在从单帧中识别微表情的时间位置，以减少人工标注的工作量。我们提出了一种微表情对比识别标注（MECIA）方法作为ME-KFI的解决方案，包括三个模块：对比模块、识别模块和标注模块，分别对应人工标注的三个步骤。网络的输出用于推断微表情片段的关键帧。MECIA在SAMM和CAS(ME)$^{2}$数据集上表现出优于随机基线的性能，并且与真实标签片段的识别准确率相当。
Keyword:
Micro-expression
key frame inference
micro-expression annotation
期刊
IF:
9.8
论文数:
1.4K
被引数:
9.1K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容