.png){kind=icon}
返回
Modeling Continuous Weak Temporal Trends for Video-Based Micro-Expression Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/taffc.2026.3676852.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为自发的面部运动，微表情（MEs）是细微且不可控制的，能够更准确地揭示真实的人类情感。由于微表情持续时间短、强度低，微表情识别（MER）面临着建模面部动态时间序列的挑战。现有方法大多关注离散的关键帧采样或局部时间建模，这可能破坏时间结构并忽略微表情动态的连续性和弱特性。为此，我们提出了一种基于视频的MER框架，明确地建模微表情视频中的连续弱时间趋势。首先设计了一个多时间尺度特征提取模块，以保留和捕捉低强度微表情帧中的弱时间模式。然后通过分层时间建模对这些特征进行聚合，以逐步编码连续时间依赖关系而不会相互干扰。最后，采用多头自注意力机制来建模空间和连续时间模式之间的关系。与三个公开数据集上的最新基于视频的MER方法相比，我们的方法在UF1/UAR评分上分别达到0.8622/0.8614，性能更优。此外，在不手动检测顶点帧的情况下，我们的方法实现了与最新顶点帧基于的MER方法相当的性能。这些结果表明，对时间序列上的连续情感动态进行建模有助于MER。
Keyword:
Emotion recognition
facial micro-expression
multi-term optical flow
temporal convolution network
self-attention mechanism
期刊
IF:
9.8
论文数:
1.4K
被引数:
9.1K
机构
引用论文
Dynamic Texture Recognition Using Local Binary Patterns with an Application to Facial Expressions
.png){kind=icon}
PREAI
分享收藏GLEFFN: A Global-Local Event Feature Fusion Network for Micro-Expression RecognitionGLEFFN：一种用于微表情识别的全局-局部事件特征融合网络
PREAI
分享收藏分享收藏An Empirical Study of Super-Resolution on Low-Resolution Micro-Expression Recognition周, L.; 王, M.; 黄, X.; 郑, W.; 毛, Q.; 赵, G. 低分辨率微表情识别中基于超分辨率的研究. arXiv 2023, arXiv:2310.10022. [谷歌学术] [交叉引用]
PREAI
分享收藏Weakly Supervised Micro- and Macro-Expression Spotting Based on Multi-Level Consistency基于多级一致性的弱监督微表情和宏表情定位
OAAI
OAAI分享收藏
查看更多内容