基于协同跨域动态图像网络的自动4D面部表情识别
计算机视觉与模式识别
2020-02-10 v2
摘要
本文提出一种利用协同跨域动态图像网络(CCDN)的新型4D面部表情识别(FER)方法。给定人脸扫描的4D数据，我们首先计算其几何图像，然后在所提出的跨域图像表示中融合它们的相关信息。随后将所得集合通过秩池化(rank pooling)生成跨域动态图像(CDI)，以单幅图像的形式封装随时间变化的面部形变。在训练阶段，这些CDI被输入端到端深度学习模型，所得预测在多视图上协同以提升表情分类性能。此外，我们提出一种4D增强方案，不仅扩充训练数据规模，还引入显著的面部肌肉运动模式以改善FER性能。在常用BU-4DFE数据集上、于广泛采用的设定下的大量实验结果表明，我们所提方法以96.5%的准确率优于当前最优的4D FER方法，证明了其有效性。
引用
@article{arxiv.1905.02319,
title = {Automatic 4D Facial Expression Recognition via Collaborative Cross-domain Dynamic Image Network},
author = {Muzammil Behzad and Nhat Vo and Xiaobai Li and Guoying Zhao},
journal= {arXiv preprint arXiv:1905.02319},
year = {2020}
}
备注
Published in the 30th British Machine Vision Conference (BMVC) 2019