AU-TTT：面向面部动作单元检测的视觉测试时训练模型
计算机视觉与模式识别
2025-04-01 v1
摘要
面部动作单元 (AU) 检测是客观面部表情分析的基石，也是情感计算中的关键焦点。尽管重要，但 AU 检测面临高昂的 AU 标注成本和数据集有限性等显著挑战。这些限制常导致现有方法在跨数据集应用时出现严重性能下降。本文提出一种新颖的视觉主干网络，专为 AU 检测设计，集成双向 TTT 模块，命名为 AU-TTT。我们的方法将 TTT Linear 引入 AU 检测任务，并优化图像扫描机制以提升性能。此外，我们设计了针对 AU 的特定感兴趣区域 (RoI)扫描机制，以捕获 AU 检测所必需的细粒度面部特征。实验结果表明，我们的方法在同一数据集和跨数据集情景下均取得具竞争力的性能。
引用
@article{arxiv.2503.23450,
title = {AU-TTT: Vision Test-Time Training model for Facial Action Unit Detection},
author = {Bohao Xing and Kaishen Yuan and Zitong Yu and Xin Liu and Heikki Kälviäinen},
journal= {arXiv preprint arXiv:2503.23450},
year = {2025}
}