自适应时序运动引导图卷积网络用于微表情识别
计算机视觉与模式识别
2024-06-14 v1
摘要
微表情是理解个体真实情绪状态的重要线索。由于其在商务谈判和心理治疗等领域的各种应用，微表情识别吸引了越来越多的研究关注。然而，微表情的复杂性和瞬时性对其准确识别构成了重大挑战。现有的大多数工作要么忽略了时序依赖性，要么在片段级识别中存在冗余问题。在这项工作中，我们提出了一种新颖的微表情识别框架，称为自适应时序运动引导图卷积网络（ATM-GCN）。我们的框架擅长捕捉整个片段中帧之间的时序依赖性，从而增强片段级的微表情识别。具体来说，自适应时序运动层的集成使我们的方法能够聚合微表情中固有的全局和局部运动特征。实验结果表明，ATM-GCN不仅超越了现有的最先进方法，特别是在Composite数据集上，而且在最新的微表情数据集CAS(ME)上也取得了优越的性能。
引用
@article{arxiv.2406.08997,
title = {Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition},
author = {Fengyuan Zhang and Zhaopei Huang and Xinjie Zhang and Qin Jin},
journal= {arXiv preprint arXiv:2406.08997},
year = {2024}
}
备注
Accepted by ICME 2024