AMMSM：自适应运动放大与稀疏Mamba用于微表情识别
计算机视觉与模式识别
2025-04-01 v1
摘要
微表情通常被视为人们真实情绪的无意表达。然而，它们的短时长和微弱信号为后续识别带来了显著挑战。我们提出了一个多任务学习框架，命名为自适应运动放大与稀疏Mamba（AMMSM），以解决此问题。该框架旨在通过自监督细微运动放大来增强对微表情的精确捕获，而稀疏空间选择Mamba架构则将稀疏激活与先进的Visual Mamba模型结合起来，更有效地建模关键运动区域及其有价值表征。此外，我们采用演化搜索优化放大因子和空间选择的稀疏比例，随后进行微调以进一步提升性能。大量实验表明，所提出的AMMSM在两个标准数据集上实现了最先进（SOTA）的准确率和鲁棒性。
引用
@article{arxiv.2503.24057,
title = {AMMSM: Adaptive Motion Magnification and Sparse Mamba for Micro-Expression Recognition},
author = {Xuxiong Liu and Tengteng Dong and Fei Wang and Weijie Feng and Xiao Sun},
journal= {arXiv preprint arXiv:2503.24057},
year = {2025}
}
备注
Accepted by ICME 2025