DrFER：学习解耦表征用于三维面部表情识别

面部表情识别（FER）一直是面部分析领域的焦点。在现有的三维FER或二维+三维FER方法中，表情特征的提取常常与身份信息纠缠在一起，损害了这些特征的独特性。为应对这一挑战，我们提出了创新的DrFER方法，将解耦表征学习的概念引入三维FER领域。DrFER采用双分支框架，有效将表情信息与身份信息解耦。与先前三维面部领域的解耦尝试不同，我们精心重构了损失函数和网络结构，使整体框架能够适应点云数据。这一调整增强了框架在识别面部表情时的能力，即使在涉及不同头部姿态的情况下也是如此。在BU-3DFE和Bosphorus数据集上进行的大量评估证实，DrFER的性能超越了其他三维FER方法。