面向微型 AU 检测的放大 artefacts 的注入抑制
计算机视觉与模式识别
2025-04-15 v1
摘要
面部微表情是自发、简短且微妙的面部动作,揭示 underlying 被压抑的情绪。检测微表情中的动作单位(AU)至关重要,因为它能够提供比类别情绪更细致的面部动作表示,有效解决不同表情之间的歧义。微表情分析的一个难点在于,面部动作微妙且简短,从而增加了将面部运动特征与 AU 发生相关联的难度。为弥合 this 问题,流动相关特征和运动放大是一些常见方法,因为它们可以产生描述性运动变化和增加运动幅度。虽然运动放大可以放大运动变化,但也会在放大过程中考虑照明变化和投影误差,从而创建混淆模型学习不真实放大运动特征的运动 artefacts。此问题在更复杂的任务中尤其突出,即在跨数据库设置中分析更多 AU 类别。为解决此问题,我们提出了 InfuseNet,一种基于层级单位特征注入框架,利用运动上下文约束 Action Unit(AU) 学习在信息面部运动区域内,从而减轻放大 artefacts 的影响。此外,我们提出利用放大潜在特征而非重构放大样本以限制投影不准确在运动重建过程中造成的扭曲和 artefacts。通过减轻放大 artefacts,InfuseNet 在 CD6ME 协议中超越了最先进的结果。进一步的定量研究也证明了运动 artefacts 抑制的有效性。
引用
@article{arxiv.2504.09326,
title = {Infused Suppression Of Magnification Artefacts For Micro-AU Detection},
author = {Huai-Qian Khor and Yante Li and Xingxun Jiang and Guoying Zhao},
journal= {arXiv preprint arXiv:2504.09326},
year = {2025}
}