情感过程：用于情绪与面部表情识别的时间上下文随机建模
计算机视觉与模式识别
2021-03-25 v1 机器学习
摘要
时间上下文是识别情绪表达的关键。现有依赖循环或自注意力模型以强制时间一致性的方法在特征层面工作，忽略了任务特定的时间依赖关系，且未能对上下文不确定性建模。为缓解这些问题，我们基于 Neural Processes 框架提出一种表观情绪识别方法，包含三个关键新颖组件：(a) 带有全局潜变量模型的概率性上下文表示；(b) 除特征外利用任务特定预测的时间上下文建模；以及 (c) 智能时间上下文选择。我们在四个数据库上验证了我们的方法，其中两个用于效价与唤醒度估计（SEWA 和 AffWild2），两个用于动作单元强度估计（DISFA 和 BP4D）。结果显示相较一系列强基线以及最先进方法均有持续改进。
引用
@article{arxiv.2103.13372,
title = {Affective Processes: stochastic modelling of temporal context for emotion and facial expression recognition},
author = {Enrique Sanchez and Mani Kumar Tellamekala and Michel Valstar and Georgios Tzimiropoulos},
journal= {arXiv preprint arXiv:2103.13372},
year = {2021}
}
备注
Accepted at CVPR 2021