ARGen：基于情感强化的生成数据增强以实现视觉动态情感感知
计算机视觉与模式识别
2026-04-15 v1 人工智能
摘要
动态面部表情在野外环境中的识别仍然具有挑战性，主要由于数据稀缺和长尾分布导致模型难以有效学习稀缺情感的时序动态。为此，我们提出了 ARGen，一种情感强化生成数据增强框架，支持数据自适应的动态表情生成，以实现稳健的情感感知。ARGen 在两个阶段运行：情感语义注入 (Affective Semantic Injection, ASI) 和自适应强化扩散 (Adaptive Reinforcement Diffusion, ARD)。ASI 阶段通过面部动作单元 (Action Units) 建立情感知识对齐，运用检索增强的提示生成策略，通过大规模视觉-语言模型合成一致且细粒度的情感描述，从而将可解释的情感先验注入生成过程。ARD 阶段将文本条件下的图像到视频扩散与强化学习相结合，引入帧间条件引导和多目标奖励函数，以联合优化表情的自然性、面部完整性和生成效率。大量实验在生成和识别任务上均表明，ARGen 在提升合成保真度和识别性能方面显著有效，建立了一种可解释且可推广的生成数据增强范式，为基于视觉的情感计算领域奠定了基础。
引用
@article{arxiv.2604.12255,
title = {ARGen: Affect-Reinforced Generative Augmentation towards Vision-based Dynamic Emotion Perception},
author = {Huanzhen Wang and Ziheng Zhou and Jiaqi Song and Li He and Yunshi Lan and Yan Wang and Wenqiang Zhang},
journal= {arXiv preprint arXiv:2604.12255},
year = {2026}
}