面部情感分析：来自合成数据学习的挑战与多任务学习
机器学习
2022-07-21 v1 计算机视觉与模式识别
摘要
面部情感分析仍是一项具有挑战性的任务，其场景已从实验室受控环境转向真实自然场景。在本文中，我们提出新颖框架以应对第四届野外情感行为分析（ABAW）竞赛中的两项挑战：i) 多任务学习（MTL）挑战与 ii) 合成数据学习（LSD）挑战。针对 MTL 挑战，我们采用 SMM-EmotionNet 并改进特征向量的集成策略。针对 LSD 挑战，我们提出相应方法以解决单标签、分布不平衡、微调局限及模型架构选择等问题。在竞赛官方验证集上的实验结果表明，我们所提方法大幅优于基线。代码见 https://github.com/sylyoung/ABAW4-HUST-ANT。
引用
@article{arxiv.2207.09748,
title = {Facial Affect Analysis: Learning from Synthetic Data & Multi-Task Learning Challenges},
author = {Siyang Li and Yifan Xu and Huanyu Wu and Dongrui Wu and Yingjie Yin and Jiajiong Cao and Jingting Ding},
journal= {arXiv preprint arXiv:2207.09748},
year = {2022}
}