au detection | BriefGPT - AI 论文速递

关键词au detection

搜索结果 - 10

具有 CLIP 的鲁棒轻量级面部情感行为识别
人类情感行为分析的研究旨在深入了解人类情绪，其中表情分类、动作单位是其两个主要组成部分。本研究提出了一种轻量级框架，可以高效地处理表情分类和动作单位检测，通过采用冻结的 CLIP 图像编码器和可训练的多层感知机（MLP），以 CVaR 提升
PDF4 months ago
AUFormer：视觉 Transformer 是参数高效的面部动作单元检测器
基于面部动作单元（AU）的参数高效迁移学习方法，引入 AUFormer 和 MoKE 协同机制，以实现参数高效的 AU 检测，并设计了一种 MDWA-Loss 以更好地关注激活的 AU、区分未激活 AU 的难度并排除潜在标签错误样本。实验证
PDF4 months ago
人脸动作单元检测的个体无关对比学习
本研究提出了一种自监督对比学习方法，从大量未标注的面部视频中学习面部动作单元的表示，以解决缺乏数据的问题，并通过跨身份重建机制学习人物无关的表示。实验结果表明，所学习的面部动作单元表示对于动作单元检测具有较好的区分度，并且在自监督和有监督的
PDF4 months ago
通过联合学习面部关键点检测和领域分离与重构来提升面部动作单位检测
提出了一种新的 AU 检测框架，其中引入了多任务学习，通过共享同构面部提取模块的参数来共同学习 AU 领域分离和重建以及面部标志检测。此外，提出了一种基于对比学习和改进的对比损失的新特征对齐方案，通过添加四个中间监督器来促进特征重建过程。在
PDF9 months ago
FG-Net：具有通用金字塔特征的面部动作单位检测
通过使用预训练的生成模型提取可泛化和语义丰富的特征，在 AU 检测中取得了强大的泛化能力。在广泛使用的 DISFA 和 BP4D 数据集上进行了大量实验，与现有方法相比，所提出的方法在跨领域性能上达到了优越水平，并保持了在同领域性能上的竞争
PDF10 months ago
自监督表示下的面部动作单元检测和强度估计
本研究介绍了一种使用自监督学习方法的面部表情识别模型 MAE-Face，该模型在只 Fine-tune 1% 的数据集的情况下也可以取得较好的 AU 检测和 AU 强度估计结果.
PDF2 years ago
面部行动单元检测的全局到局部表情感知嵌入
本文提出了一种用于促进 AU 检测的新型细粒度全局表情表示编码器以及设计了用于为每个 AU 生成本地面部特征的本地 AU 特征模块。实验结果表明，我们的方法优于现有方法并在 BP4D、DISFA 和 BP4D + 等广泛使用的面部数据集上实
PDF2 years ago
全局 - 局部表情嵌入辅助面部动作单元检测
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
PDF2 years ago
基于图卷积网络的微表情关系建模与识别（MER-GCN）
本研究提出了一种新的端到端 AU 导向的图分类网络，使用深度学习技术和 GCN 层探测 AUs 之间的依赖关系，以识别微表情，实验结果表明我们的方法优于 CNN-based。
PDF4 years ago
面部动作单元检测的时空关系和注意力学习
本研究提出了一种基于空间 - 时间关系和注意力机制的面部动作单元检测框架，其中使用了空间 - 时间图卷积网络来捕捉动态面部动作单元的空间和时间关系，并使用自适应学习的边界权重来形成关系图。此外，为了学习 AU 之间的时空关系，我们提出了一种
PDF4 years ago