面向微表情识别的时序排序与运动强度动态图像自适应融合网络
计算机视觉与模式识别
2025-10-14 v1
摘要
微表情(MEs)是细微而短暂的面部变化，强度极低，肉眼几乎难以察觉，却能揭示一个人的真实情绪。它在测谎、行为分析与心理评估中具有重要价值。本文提出一种新颖的微表情识别(MER)方法，主要包含两项贡献。首先，我们提出两种互补的表征——时序排序动态图像，强调时间进程；以及运动强度动态图像，通过引入运动强度的帧重排序机制突出细微运动。其次，我们提出自适应融合网络，能够自动学习以最优方式整合这两种表征，从而增强具有判别力的微表情特征并抑制噪声。在三个基准数据集(CASME-II、SAMM 和 MMEW)上的实验证明了所提方法的优越性。具体而言，AFN 在 CASME-II 上取得了 93.95 的准确率与 0.897 的 UF1，创下了新的最先进基准。在 SAMM 上，该方法取得了 82.47 的准确率与 0.665 的 UF1，表现出跨类别更为均衡的识别能力。在 MMEW 上，模型取得了 76.00 的准确率，进一步验证了其泛化能力。所获结果表明，输入与所提架构均在提升 MER 性能方面发挥重要作用。此外，它们为情感计算、测谎及人机交互等领域的进一步研究与实际应用奠定了坚实基础。
引用
@article{arxiv.2510.09730,
title = {Adaptive Fusion Network with Temporal-Ranked and Motion-Intensity Dynamic Images for Micro-expression Recognition},
author = {Thi Bich Phuong Man and Luu Tu Nguyen and Vu Tram Anh Khuong and Thanh Ha Le and Thi Duyen Ngo},
journal= {arXiv preprint arXiv:2510.09730},
year = {2025}
}