用于去除主体混杂因素的面部动作单元识别因果干预方法
计算机视觉与模式识别
2024-04-04 v2
摘要
由于数据分布在不同主体间存在差异，主体不变的面部动作单元（AU）识别仍然具有挑战性。本文提出一种用于主体不变面部动作单元识别的因果推断框架。为阐明AU识别任务中存在的因果效应，我们通过结构因果模型刻画了面部图像、主体、潜在AU语义关系与估计的AU发生概率之间的因果关系。通过构建这样的因果图，我们厘清了变量间的因果效应，并提出了一种即插即用的因果干预模块CIS，以解混杂因果图中的混杂因子“主体”。在两个常用AU基准数据集BP4D和DISFA上进行的大量实验表明了CIS的有效性，且插入CIS的模型CISNet取得了最先进的性能。
引用
@article{arxiv.2204.07935,
title = {Causal Intervention for Subject-Deconfounded Facial Action Unit Recognition},
author = {Yingjie Chen and Diqi Chen and Tao Wang and Yizhou Wang and Yun Liang},
journal= {arXiv preprint arXiv:2204.07935},
year = {2024}
}
备注
Accepted by AAAI2022