Jun, 2016

面部表情识别中 RGB、3D、热像和多模态方法综述：历史、趋势及情感相关应用

PDF
TL;DR本文综述了关于自动 RGB，3D，热成像和多模式面部表情分析的研究，定义了新的分类法并描述和分类了最先进的方法，同时呈现了重要数据集和基准测试。作者对当前的趋势、重要问题和未来研究方向进行了总结讨论。
facial expressionsimage recognitionaffecttaxonomystate-of-the-art methods
发现论文，激发创造
  • 通过分离三维表情与身份来实现野外实时面部表情识别

    本研究提出了一种基于深度学习和面部视频数据的情感检测方法，使用 Convolutional Neural Network 训练一个能够估计三维表情模型参数的模型，并结合情感分类器，能够高效准确地从动态图像中识别面部表情，且在基本情感和压力情感的识别任务中超过了其他方法。

    May, 2020

  • 人工智能在热释电情感识别中的应用：标准设计和数据中的问题和限制评述

    本文研究热成像在面部情感识别上相对于 RGB 成像的独特性，并探讨它在计算机视觉和人工智能领域的潜在用途。但是，采用热成像作为任何人类中心的 AI 任务的数据源并不容易，需要迎合多重人口数据的高保真数据来源，并进行彻底的验证，有限集合是使用该技术的限制之一，并提出了数据收集和开发的局限性。

    Sep, 2020

  • 使用神经网络进行挑战人群面部表情的情感识别

    这篇论文提出了一种通过图像进行面部表情的深度分类方法，采用了深度前馈人工神经网络。该方法可用于良好的应用，包括视觉检查和安全措施。

    May, 2023

  • 情感身体手势识别调查

    本文调研了自动情感识别领域中人体动作的情感表达。提出了完整的框架，包括人体检测、姿态估计、情感识别等组成部分。并讨论了多模态情感表达识别的方法。

    Jan, 2018

  • 一个实时面部分析系统

    本文介绍了一个基于深度学习的系统级实时面部 分析设计，使用神经网络进行物体检测、分类和回归，可以识别每个人的年龄、性别、面部表情和相似度。同时，文章提出了一种多任务网络来同时预测年龄、性别和面部表情，该系统达到了与现有先进方法相同的精度和实时性能要求。

    Sep, 2021

  • 面部表情识别与分析：现状

    本文综述了自 2001 年以来至今关于面部表情识别的研究工作以及该领域的进展，包括面部表情识别的应用、数据库的使用和标准化等方面。此外，还讨论了使用 FACS 行动单元和 MPEG-4 面部动画参数进行面部参数编码的方法和近年来面部检测、跟踪和特征提取方法的进展。最后，本文总结了挑战和未来方向。

    Mar, 2012

  • 视频情绪识别综述

    本文选择 2015 年至 2023 年间发表的论文，系统总结了关于视频情感识别的现有研究趋势，讨论了典型情感模型、常用数据库以及现代单模态和多模态视频情感识别方法的结构和性能，并比较了它们的优缺点。此外，总结了目前视频情感识别项目所面临的主要困难，并指出了未来发展方向，如建立开放基准数据库和改进多模态融合策略。本文旨在帮助学术界和工业界的科学家及时了解视频情感识别领域的最新进展和新发展。

    Oct, 2023

  • 可解释的多模态情感识别：利用面部特征和生理信号

    本文介绍了一种融合了多种多样信息的多模态框架，通过将来自视觉面部特征和视频输入中提取的 rPPG 信号的信息融合从而实现情感理解。基于排列特征重要性分析的解释性技术用于计算 rPPG 和视觉模态对将给定视频分类到特定情感类别的贡献。IEMOCAP 数据集上的实验表明，从多个模态组合的互补信息可以提高情感分类性能。

    Jun, 2023

  • 关于面部识别评估的调查

    针对超过 100 个面部数据集进行的历史调查表明，这些数据集受到政治动机、技术能力和当前社会规范等多种因素的影响，掩盖了一些可能有害或有问题的实践。因此，需要明确传达这些细节，以建立更加深入的对技术在现实世界中功能的理解。

    Feb, 2021

  • 面部表情和周边生理融合解码个体化情感体验

    本文提出了一种多模态方法，结合分析面部运动和多个外部生理信号，通过考虑个体化休息动态来解码正负情感体验。通过构建人体特征循环网络，解码个体面部运动和生理数据的动态耦合关系，并在其基础上训练推理模型，将个体的情感体验进行预测和验证。

    Nov, 2018