如何合成大规模可训练的微表情数据集？
计算机视觉与模式识别
2022-09-21 v7
摘要
本文不含技术新颖性，但介绍了我们在数据生成协议、数据库与见解方面的关键发现。我们旨在解决微表情(MiE)识别中因数据采集成本过高而缺乏大规模数据集的问题，这使得大规模训练难以可行。为此，我们开发了一种自动合成大规模 MiE 训练数据的协议，使我们能够训练针对真实世界测试数据的改进识别模型。具体而言，我们发现三类可构成可训练 MiE 的动作单元(AUs)。这些 AUs 来自真实世界 MiE、宏表情视频的早期帧，以及由人类专家知识定义的 AUs 与表情类别间的关系。利用这些 AUs，我们的协议随后采用大量不同身份的人脸图像与现成的人脸生成器进行 MiE 合成，得到 MiE-X 数据集。MiE 识别模型在 MiE-X 上训练或预训练，并在真实世界测试集上评估，取得了极具竞争力的准确率。实验结果不仅验证了所发现 AUs 与 MiE-X 数据集的有效性，还揭示了 MiE 的一些有趣特性：它们跨人脸泛化、接近于早期阶段的宏表情，且可被人工定义。
引用
@article{arxiv.2112.01730,
title = {How to Synthesize a Large-Scale and Trainable Micro-Expression Dataset?},
author = {Yuchi Liu and Zhongdao Wang and Tom Gedeon and Liang Zheng},
journal= {arXiv preprint arXiv:2112.01730},
year = {2022}
}
备注
European Conference on Computer Vision 2022