CS3D：基于事件视觉的高效面部表情识别
计算机视觉与模式识别
2025-12-11 v1 机器人学
摘要
响应且准确的面部表情识别对于日常服务机器人的 human-robot interaction 至关重要。目前，事件相机因其高时序分辨率、低延迟、计算效率和低光条件鲁棒性等优势，正变得越来越广泛。尽管存在这些优势，事件基于方法仍面临实际挑战，特别是在采用主流深度学习模型方面。传统的面部表情分析深度学习方法计算耗能，难以部署在边缘计算设备上，从而增加高频动态事件视觉方法的成本。为此，我们提出了 CS3D 框架，通过分解卷积 3D 方法来降低计算复杂度和能耗。此外，利用软脉冲神经元和空间时间注意力机制，增强了信息保留能力，从而提高面部表情检测的准确率。实验结果表明，我们提出的 CS3D 方法在多个数据集上比 RNN、Transformer 和 C3D 等体系结构获得更高准确率，而 CS3D 方法在相同设备上的能耗仅为原始 C3D 的 21.97%。
引用
@article{arxiv.2512.09592,
title = {CS3D: An Efficient Facial Expression Recognition via Event Vision},
author = {Zhe Wang and Qijin Song and Yucen Peng and Weibang Bai},
journal= {arXiv preprint arXiv:2512.09592},
year = {2025}
}