基于预训练的动作特征提取的微表情识别
利用面部微表达视频的顶点帧和起始帧,结合新的Bi-WOOF特征提取方法,提出了一种新的面部微表情识别方法,在CAS(ME)$^2$,CASME II,SMIC-HS,SMIC-NIR和SMIC-VIS数据库上取得了61%和62%的识别性能。
Jun, 2016
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
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。
Jan, 2021
该研究论文系统概述了基于视频的微表情分析,讨论了其神经心理学基础、数据集、特征、算法、应用和评估,之后提出了一个更完整的、适用范围更广的数据集,并进行了方法比较和未来研究方向的展望。
Jan, 2022
本文通过构建几何二流图网络、自学习机制和自适应动作单元损失函数,研究了人脸标志物对微表情识别的贡献。实验证明,本文提出的方法具有更高的效率和更低的计算成本,且人脸标志物对微表情识别有重要贡献,值得进一步研究高效的微表情分析。
May, 2022
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
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
本研究提出了一种基于自我知识蒸馏的三通道时延注意力网络(SKD-TSTSAN),用于提高微表情识别的性能,并在四个微表情数据集上展开实验,结果表明SKD-TSTSAN优于现有方法,并取得新的最优性能。
Jun, 2024
本研究针对微表情分析中检测和识别任务存在的局限,提出了一种新颖的基于时间状态转变的架构,代替了传统的窗口级分类方法。通过结合微表情检测与情感识别任务,本研究的方法有效提高了分析性能,并在大量实验中展示了其卓越的效果。
Sep, 2024