面向人脸表情识别的 Appearance- 及 Relation-aware Parallel Graph Attention Fusion Network（ARPGNet）
计算机视觉与模式识别
2025-12-01 v1 人工智能
摘要
人脸表情识别的关键在于学习能嵌入人脸表情动态性的判别性时空表征。以往研究主要依赖预训练的卷积神经网络 (CNN) 来学习人脸外观表征，忽略了人脸区域之间的关系。为此，本文提出一种 Appearance- 及 Relation-aware Parallel Graph attention fusion Network (ARPGNet)，以学习外观信息和关系信息之间的相互增强时空表征。具体而言，我们构建人脸区域关系图，并利用图注意力机制来建模人脸区域之间的关系。 resulting 的关系表征序列以及基于 CNN 的外观表征序列随后输入到并行图注意力融合模块进行相互作用和增强。该模块同时探索不同表征序列之间的互补性以及每个表征序列内部的时序动态。在三个人脸表情识别数据集上的实验结果表明，所提出的 ARPGNet 在性能上优于或相当于当前的 SOTA 方法。
引用
@article{arxiv.2511.22188,
title = {ARPGNet: Appearance- and Relation-aware Parallel Graph Attention Fusion Network for Facial Expression Recognition},
author = {Yan Li and Yong Zhao and Xiaohan Xia and Dongmei Jiang},
journal= {arXiv preprint arXiv:2511.22188},
year = {2025}
}
备注
Accepted by IEEE Transactions on Affective Computing. Submitted in August 2023; Accepted in October 2025