AGCD-Net：面向情感识别的注意力引导语境去偏网络
计算机视觉与模式识别
2025-07-15 v1 人工智能
摘要
情境感知情感识别(CAER)在现实场景中提升了情感计算，但传统方法常因情境偏差——背景情境与情感标签之间的虚假关联（例如将“花园”与“快乐”关联）而受限。本文提出 **AGCD-Net**，一种注意力引导语境去偏模型，通过引入**混合 ConvNeXt**——一种新型卷积编码器，将空间变换网络和 Squeeze-and-Excitation 层整合到 ConvNeXt 主干架构中以实现更精细的特征重标定。在 AGCD-Net 的核心是注意力引导-因果干预模块(AG-CIM)，该模块通过扰动情境特征、隔离虚假关联，并依据面部特征执行注意力驱动的纠正，以缓解情境偏差。在 CAER-S 数据集上的实验结果表明，AGCD-Net 有效且达到最新水平，凸显了在复杂场景中进行因果去偏对稳健情感识别的重要性。
引用
@article{arxiv.2507.09248,
title = {AGCD-Net: Attention Guided Context Debiasing Network for Emotion Recognition},
author = {Varsha Devi and Amine Bohi and Pardeep Kumar},
journal= {arXiv preprint arXiv:2507.09248},
year = {2025}
}
备注
13 Pages, 4 figures, 2 tables ICIAP 2025