Oct, 2020

互信息正则化的压缩视频中基于身份感知的面部表情识别

PDF
TL;DR本研究旨在探索在压缩视频领域内，实现对面部表情的变异性和身份特征的消除，以提取纯净的表情特征，并在测试时只需使用压缩残差帧进行表情预测。
facial expression recognitioncompressed videomutual information minimizationidentity eliminationexpression prediction
发现论文，激发创造
  • 面部表情识别的视觉不变表示的对比学习

    本文提出了一种基于对比学习的新颖视角不变的面部表情识别框架 ViewFX，能够准确分类面部表情，无论输入的观察角度如何。该方法利用自监督对比损失来学习表情的视角不变特征，同时引入有监督对比损失来使学得的特征与其他表情区分开。经过实验验证，该方法在公开多视角面部表情识别数据集 KDEF 和 DDCF 上表现优于以往的方法，成为了新的最佳方法，并且在面对具有挑战性的观察角度和训练样本标签数目时具有较低的敏感性。同时，还进行了详尽的敏感度和消融实验，评估了模型不同部分的影响以及对不同参数的敏感性。

    Nov, 2023

  • 模拟原始域：在压缩领域中加速动作识别

    本文提出了一种基于压缩视频领域的新方法，旨在通过利用运动向量和残差来加速计算并减少网络参数，在三个常用数据集上实验表明该模型不仅能够保持较高的准确率还具备更高的识别效率。

    Nov, 2019

  • 面部表情识别的中层表示增强和图形嵌入的不确定性抑制

    本文提出了利用 MRE 和 GUS 技术的人脸表情识别方法，以解决表情变化和数据不确定性带来的挑战。实验结果表明该方法具有更强的泛化能力和更稳健的表情捕捉表示能力。

    Jul, 2022

  • 基于属性信息嵌入和跨模态对比学习的微表情识别

    通过属性信息嵌入和跨模态对比学习，基于微表情序列的 RGB 和 FLOW 特征提取和 BERT 网络提取文本信息，实现面部微表情识别，并在 CASME II 和 MMEW 数据库上进行了广泛实验，准确率分别为 77.82% 和 71.04%。与其他方法相比，该方法具有更好的微表情识别效果。

    May, 2022

  • 多视角配对条件随机森林实现的动态姿态稳健的面部表情识别

    本文提出了一种使用条件随机森林从视频中捕捉表情变化的低级表达式转换模式的方法，通过对影片中每个前一帧生成的树进行预测，并通过时间平均来获得鲁棒性估计，进而提升面部表情分类的性能及精度。

    Jul, 2016

  • 多域范式编码实现面部表情识别数据高效迁移学习

    研究提出了一种基于生物学启发机制的面部表情识别传递学习方法，依靠领域特定的参考向量来编码模式，实现了高数据效率的跨多个领域的学习，较少量的图像即可实现 92.15％的分类准确率，这一方法提供了人脑如何在变化的头部形状（人类，猴子和卡通头像）上天生识别面部表情的解释。

    Apr, 2023

  • 远程视觉多任务推理的压缩特征选择

    深度模型中的特征压缩与远程推理任务之间的关联性，通过互信息作为特征重要性度量，进行硬选择和软选择实验并与其他方法进行比较，提供多目标分析来深入研究。

    May, 2024

  • 基于时间特征对齐与互信息最大化的基于视频的人体姿态估计

    本研究提出一种分层对齐框架，对多帧人体姿态估计问题进行了深入研究，利用视觉证据、知识提取和互信息等方法，在 PoseTrack2017、Sub-JHMDB 和 Pose-Track2018 等数据集上取得了最先进的性能表现。

    Mar, 2022

  • 改进分布对准实现公平的面部表情识别

    通过采用核均值收缩估计器来提高情绪识别模型的公平性，我们首次分析了吸引力作为一种重要的敏感属性，并通过 CelebA 和 RAF-DB 两个广泛使用的数据集上的实验证明了我们的方法的有效性。

    Jun, 2023

  • DrFER：学习面部表情三维识别的解耦表示

    创新的 DrFER 方法在 3D 人脸领域引入了概念上的解缠表示学习方法，通过使用双分支框架，有效地将表情信息与身份信息解耦，并通过重新配置损失函数和网络结构适应于点云数据，从而提高了框架在识别面部表情方面的能力，即使在涉及不同头部姿势的情况下，经过对 BU-3DFE 和 Bosphorus 数据集进行的广泛评估表明，DrFER 超过了其他 3D FER 方法的性能。

    Mar, 2024