通过解缠表情特征探究对话性面部动态中的身份信号
计算机视觉与模式识别
2025-10-14 v1
摘要
本工作探讨了仅通过面部表情的纯动态组成部分是否即可识别个体，独立于静态面部外观。我们利用 FLAME 3D 形状模型实现面部形状与表情动态的显式解缠，从对话视频中逐帧提取参数，仅保留表情和下颌系数。在 1429 位在自然对话场景中发言的 CANDOR 数据集上，我们的 Conformer 模型通过监督对比学习实现了 61.14% 的 1429 类别分类准确率——超过随机机会 458 倍，证明了面部动态携带强大的身份特征。我们引入漂移到噪声比 (DNR)，用于衡量形状-表情分离可靠性，通过衡量跨会话形状变化相对于同一会话内变异性来度量。DNR 与识别性能显著呈负相关，证实不稳定的形状估计会损害动态识别。我们的发现揭示了对话性面部动态中具有人身特征的签名，对社会感知和临床评估具有重要意义。
关键词
引用
@article{arxiv.2510.11223,
title = {Investigating Identity Signals in Conversational Facial Dynamics via Disentangled Expression Features},
author = {Masoumeh Chapariniya and Pierre Vuillecard and Jean-Marc Odobez and Volker Dellwo and Teodora Vukovic},
journal= {arXiv preprint arXiv:2510.11223},
year = {2025}
}