探索用于情感行为分析的与表情相关的自监督学习
计算机视觉与模式识别
2023-03-21 v1
摘要
本文探索了一种与表情相关的自监督学习（SSL）方法，以在第5届自然场景情感行为分析（ABAW）竞赛中执行表情分类。情感数据集的标注成本高昂，而SSL方法能够从大规模无标签数据中学习，更适合此任务。通过在Aff-Wild2数据集上进行评估，我们证明ContraWarping优于大多数现有的监督方法，并在情感分析领域展现出巨大的应用潜力。代码将发布于：https://github.com/youqingxiaozhua/ABAW5。
引用
@article{arxiv.2303.10511,
title = {Exploring Expression-related Self-supervised Learning for Affective Behaviour Analysis},
author = {Fanglei Xue and Yifan Sun and Yi Yang},
journal= {arXiv preprint arXiv:2303.10511},
year = {2023}
}