面部动态解释器网络：用于面部特质估计的局部动态间重要关系是什么？
计算机视觉与模式识别
2018-07-25 v2
摘要
人脸分析是计算机视觉中的一项重要任务。根据认知心理学研究，面部动态可为人脸分析提供关键线索。面部表情中某一面部局部区域的运动与其他面部局部区域的运动相关。本文提出一种名为面部动态解释器网络的新型深度学习方法，用于解释局部动态之间的重要关系，从而从表情序列中估计面部特质。面部动态解释器网络被设计为能够编码一种关系重要性，用于解释面部局部动态之间的关系并估计面部特质。通过对比实验，验证了所提方法的有效性。利用所提出的面部动态解释器网络，在性别分类与年龄估计中研究了面部局部动态之间的重要关系。此外，实验结果表明，所提方法在性别分类与年龄估计上优于当前最优（SOTA）方法。
引用
@article{arxiv.1711.10688,
title = {Facial Dynamics Interpreter Network: What are the Important Relations between Local Dynamics for Facial Trait Estimation?},
author = {Seong Tae Kim and Yong Man Ro},
journal= {arXiv preprint arXiv:1711.10688},
year = {2018}
}
备注
Accepted by ECCV2018