揭示细微面部表情的提升：一种融合欧拉框架
计算机视觉与模式识别
2019-07-30 v1
摘要
面部微表情识别（MER）用于区分自发细微面部表情背后的情绪状态。自动 MER 具有挑战性，因为 1）细微面部肌肉运动的强度极低，且 2）微表情持续时间短暂。近期工作采用运动放大或时间插值来解决这些问题。然而，现有工作因其非线性而将二者分为两个独立模块。尽管这种操作降低了实现难度，却忽略了它们的内在联系，从而导致精度与速度上不可避免的损耗。相反，本文探究了它们的内在联合表述，并提出一种融合欧拉框架以揭示细微面部运动。它同时扩展了微表情的时间持续时间并放大了肌肉运动。与现有方法相比，所提方法不仅能更高效地处理微表情片段，还能使细微的微表情运动更易区分。在两个公开 MER 数据库上的实验表明，我们的模型在速度与精度上均优于当前最优方法。
引用
@article{arxiv.1901.07765,
title = {A Boost in Revealing Subtle Facial Expressions: A Consolidated Eulerian Framework},
author = {Wei Peng and Xiaopeng Hong and Yingyue Xu and Guoying Zhao},
journal= {arXiv preprint arXiv:1901.07765},
year = {2019}
}
备注
conference IEEE FG2019