DFME：面向动态面部微表情识别的新基准
计算机视觉与模式识别
2024-12-31 v2
摘要
作为最重要的潜意识反应之一，微表情(ME)是一种自发的、细微的、短暂的面部表情，揭示了人类真实情绪。因此，自动识别ME(即MER)在情感计算领域日益关键，为测谎、临床心理诊断与公共安全提供必要技术支持。然而，ME数据稀缺严重阻碍了先进数据驱动MER模型的发展。尽管近期若干自发ME数据库致力于缓解该问题，仍缺乏充足数据。故此，本文通过收集并标注当前最大ME数据规模的动态自发ME数据库DFME(Dynamic Facial Micro-expressions)来克服ME数据稀缺问题。具体而言，DFME数据库包含7,526段标注良好的ME视频，涵盖多种高帧率，由671名受试者诱发，并由20余名专业标注者历时三年标注。此外，我们全面验证所建DFME，包括使用有影响力的时空视频特征学习模型与MER模型作为基线，并开展情绪分类与ME动作单元分类实验。实验结果表明，DFME数据库可促进自动MER研究，并为该领域提供新基准。DFME将通过 https://mea-lab-421.github.io 发布。
引用
@article{arxiv.2301.00985,
title = {DFME: A New Benchmark for Dynamic Facial Micro-expression Recognition},
author = {Sirui Zhao and Huaying Tang and Xinglong Mao and Shifeng Liu and Yiming Zhang and Hao Wang and Tong Xu and Enhong Chen},
journal= {arXiv preprint arXiv:2301.00985},
year = {2024}
}
备注
17 pages, 5 figures