用于宏表情与微表情定位的动作单元感知图卷积网络
计算机视觉与模式识别
2023-03-17 v1
摘要
长视频中的自动微表情（ME）定位是微表情分析的关键步骤，但由于微表情持续时间短、强度低，也是一项具有挑战性的任务。先前工作在解决该问题时普遍缺乏对人脸结构以及表情与相关面部肌肉对应关系的考虑。为提升微表情定位性能并解决此问题，本文旨在通过建模面部感兴趣区域（ROI）间的关系来提取更精细的空间特征。具体而言，我们提出一种基于图卷积的网络，称为动作单元感知图卷积网络（AUW-GCN）。此外，为注入先验信息并应对小数据集问题，将与动作单元（AU）相关的统计信息编码入网络。综合实验表明，我们的结果一致优于基线方法，并在 CAS(ME)^2 与 SAMM-LV 两个基准数据集上取得新的 SOTA 性能。我们的代码见 https://github.com/xjtupanda/AUW-GCN。
引用
@article{arxiv.2303.09114,
title = {AU-aware graph convolutional network for Macro- and Micro-expression spotting},
author = {Shukang Yin and Shiwei Wu and Tong Xu and Shifeng Liu and Sirui Zhao and Enhong Chen},
journal= {arXiv preprint arXiv:2303.09114},
year = {2023}
}
备注
Accepted by ICME-2023