Exp-Graph：基于图的表情识别中人脸属性学习的连线方式
计算机视觉与模式识别
2025-07-22 v1 人工智能
机器学习
摘要
人脸表情识别是人机交互应用（如面部动画、视频监控、情感计算、医学分析等）中的关键任务。由于人脸属性的结构随表情变化而变化，将结构信息融入人脸属性对于表情识别至关重要。本文提出Exp-Graph框架，通过图建模表示人脸属性之间的结构关系。人脸关键点作为图的顶点，边则基于关键点间的距离和使用视觉变换器编码的人脸属性局部外观相似性确定。图卷积网络用于捕获并整合这些结构依赖关系，增强表情识别精度。因此，Exp-Graph从人脸属性图中学习高度具表达性的语义表示。视觉变换器和图卷积模块帮助框架利用人脸属性间的局部和全局依赖关系，这些关系是表情识别所必需的。我们在三个基准数据集上进行了全面评估：Oulu-CASIA、eNTERFACE05和AFEW。模型分别实现了98.09%、79.01%和56.39%的识别准确率。这些结果表明，Exp-Graph在受控实验室环境和真实无约束环境之间保持强大的泛化能力，凸显其在实际人脸表情识别应用中的有效性。
引用
@article{arxiv.2507.14608,
title = {Exp-Graph: How Connections Learn Facial Attributes in Graph-based Expression Recognition},
author = {Nandani Sharma and Dinesh Singh},
journal= {arXiv preprint arXiv:2507.14608},
year = {2025}
}