基于软标签数据增强的模糊动态面部表情识别增强
计算机视觉与模式识别
2025-06-27 v1
摘要
动态面部表情识别（DFER）是一项从面部表情视频序列中估计情绪的任务。在实际应用中，准确识别在自然数据中频繁出现的模糊面部表情至关重要。在本研究中，我们提出了 MIDAS，一种数据增强方法，旨在利用表示多个情绪类别概率的软标签来增强模糊面部表情数据的 DFER 性能。MIDAS 通过凸组合视频帧对及其对应的情绪类别标签来增强训练数据。该方法将 mixup 扩展至软标签视频数据，为处理 DFER 中的模糊性提供了一种简单而高效的方法。为了评估 MIDAS，我们在 DFEW 数据集和 FERV39k-Plus（一个为现有 DFER 数据集分配软标签的新构建数据集）上进行了实验。结果表明，使用 MIDAS 增强数据训练的模型相较于在原始数据集上训练的最先进方法取得了更优的性能。
引用
@article{arxiv.2506.20867,
title = {Enhancing Ambiguous Dynamic Facial Expression Recognition with Soft Label-based Data Augmentation},
author = {Ryosuke Kawamura and Hideaki Hayashi and Shunsuke Otake and Noriko Takemura and Hajime Nagahara},
journal= {arXiv preprint arXiv:2506.20867},
year = {2025}
}