Jan, 2021

特征精化：用于微表情识别的表情特征学习和融合方法

PDF
TL;DR本文提出了一种新颖的特征细化方法（FR），该方法包括表情提议模块和基于光流的启示模块，可以提取特定表达式的突出和有区别的特征，并通过表情特定特征的融合来预测表情，实验证实了其在不同协议下的有效性。
发现论文，激发创造
  • 自适应位移生成和 Transformer 融合的微表情特征表示学习

    本论文提出了基于特征表示学习的位移生成和 Transformer 融合（FRL-DGT）的新框架，用于微表情（ME）识别，实现了对 ME 特征提取和融合的有效学习，相比现有的方法，有了更好的准确度。

    Apr, 2023

  • 有效面部表情识别的特征分解与重建学习

    本文介绍了基于特征分解和重构学习的新型面部表情识别方法，通过特征分解网络和特征重构网络的使用，实现了更好的表情识别效果。

    Apr, 2021

  • 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

  • 可解释人脸识别的判别性深度特征可视化

    本文提出了一种基于面部重建和视觉显著性的解释深度人脸识别决策的方法，通过产生表达输入面部相似和不相似区域的视觉显著性图，提供了有洞察力的解释， 在实验证明所提出方法的有效性。

    Jun, 2023

  • 宏观到微观：通过在宏观表情视频上进行预训练来提升微表情识别

    微表情识别是近年来备受关注的研究领域，在智能医学和骗术检测等方面具有潜在应用。然而，缺乏标注数据一直以来都是加强基于深度学习的微表情识别方法的主要障碍之一。本文提出了一种广义的转移学习范式，称为宏观表情到微表情（MA2MI）。在该范式下，网络可以通过重建未来帧来学习表示微妙的面部运动。此外，本文还提出了一种两支路微动作网络（MIACNet），用于解耦面部位置特征和面部动作特征，帮助网络更准确地定位面部动作位置。在三个常用的微表情识别基准上进行的大量实验证明了我们方法的优越性。

    May, 2024

  • 实例分割的隐式特征优化

    本文提出了一种新型的隐式特征细化模块，该模块通过构造隐函数，利用模拟无限深度网络的固定点迭代得到实例特征的平衡状态，从而达到高质量的实例分割，并可扩展在大多数对象识别框架中。

    Dec, 2021

  • OFF-ApexNet 微表情识别系统

    本文介绍了一个使用卷积神经网络、optical flow features 等技术来实现面部情感微表情识别的方法，并在三个数据库上进行了全面的评估，结果表明该方法在识别微小的情感细节方面表现优越。

    May, 2018

  • 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

  • 基于卷积神经网络和条件随机场的时空面部表情识别

    本文提出了一种基于深度卷积神经网络和条件随机场模型的视频面部表情识别方法，该模型从面部图像中提取空间信息和视频帧之间的时间关系，并在三个公共数据库上进行了实验证明，该模型在跨数据库实验中表现出色，并在主体独立实验中获得与现有模型相当的成果。

    Mar, 2017

  • 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

    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。

    Oct, 2020