ABAW：从合成数据学习与多任务学习挑战赛
计算机视觉与模式识别
2022-07-06 v2
摘要
本文描述了第四届野外情感行为分析（ABAW）竞赛，该竞赛与2022年欧洲计算机视觉会议（ECCV）联合举办。第四届ABAW竞赛是继IEEE CVPR 2022、ICCV 2021、IEEE FG 2020和IEEE CVPR 2017会议后举办的竞赛的延续，旨在自动分析情感。在本竞赛此前的轮次中，挑战任务针对效价-唤醒度估计、表情分类和动作单元检测。今年竞赛包含两项不同的挑战：i）多任务学习挑战，其目标是在多任务学习设定下同时学习上述三个任务；ii）从合成数据学习挑战，其目标是学习从人工生成的数据中识别基本表情并泛化到真实数据。Aff-Wild2数据库是一个大规模野外数据库，也是首个包含效价-唤醒度、表情和动作单元标注的数据库。该数据库是上述挑战的基础。更具体地：i）构建了Aff-Wild2数据库的静态版本s-Aff-Wild2，用于多任务学习挑战；ii）从Aff-Wild2数据库中选取特定帧图像，以表情操控方式创建合成数据集，作为从合成数据学习挑战的基础。本文中，我们首先介绍两项挑战及所用语料，然后概述评估指标，最后给出每项挑战的基线系统及其所得结果。有关竞赛的更多信息可在竞赛网站获取：https://ibug.doc.ic.ac.uk/resources/eccv-2023-4th-abaw/。
引用
@article{arxiv.2207.01138,
title = {ABAW: Learning from Synthetic Data & Multi-Task Learning Challenges},
author = {Dimitrios Kollias},
journal= {arXiv preprint arXiv:2207.01138},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2202.10659; text overlap with arXiv:1704.07863 by other authors