FED-PsyAU：基于心理 AU 协同与动态面部运动建模的隐私保护微表情识别
计算机视觉与模式识别
2025-07-29 v1
摘要
微表情是短暂的、低强度的、通常局部的面部表情。它们可以揭示个体可能试图掩饰的真实情感，在刑事审讯和心理咨询等场景中极具价值。然而，微表情识别面临样本量小和特征细微等挑战，阻碍了高效建模。此外，现实世界应用面临微表情数据隐私问题，使得在隐私约束下跨设置增强识别的任务在很大程度上未被探索。为了解决这些问题，我们提出了 FED-PsyAU 研究框架。我们首先对上部和下部面部动作单元的协同进行心理学研究，以提供面部肌肉动力学的结构化先验知识。随后，我们开发了一个 DPK-GAT 网络，将这些心理学先验与统计 AU 模式相结合，实现从局部到全局层次的面部运动特征学习，有效提升 MER 性能。此外，我们的联邦学习框架在无需数据共享的情况下提升了多个客户端的 MER 能力，保护了隐私并缓解了每个客户端的样本有限问题。在常用微表情数据库上的大量实验证明了我们方法的有效性。
引用
@article{arxiv.2507.20557,
title = {FED-PsyAU: Privacy-Preserving Micro-Expression Recognition via Psychological AU Coordination and Dynamic Facial Motion Modeling},
author = {Jingting Li and Yu Qian and Lin Zhao and Su-Jing Wang},
journal= {arXiv preprint arXiv:2507.20557},
year = {2025}
}