facial expressions are combinations of basic components called action units
(AU). Recognizing AUs is key for developing general facial expression analysis.
In recent years, most efforts in automatic AU recognitio
本研究旨在使用没有 AU 标签的表情数据集来促进 AU 检测,开发了一种名为 GLEE-Net 的新型 AU 检测框架,其中包括三个分支来提取独立于身份的表情特征,并通过 Transformer 多标签分类器来融合所有表示以进行 AU 检测。实验表明,该方法在 DISFA,BP4D 和 BP4D + 数据集上显著优于目前的最先进技术。
本文提出了一种基于深度学习的端到端注意力关系学习框架,用于面部动作单元(AU)检测。通过自适应地学习通道和空间注意力以选择和提取与 AU 相关的局部特征,并进一步捕获 AU 的像素级关系以提炼更多相关的局部特征,该方法在 AU 检测和强度估计方面均优于目前最先进的方法,并能在严重的遮挡和大姿态下工作。