从人脸图像中学习解耦的表情表示
计算机视觉与模式识别
2020-08-19 v2 机器学习
图像与视频处理
摘要
人脸图像受到许多不同变化因素的影响，尤其是在无约束的野外场景中。对于涉及此类图像的大多数任务，例如视频流中的表情识别，拥有足够多的标注数据成本高昂得令人望而却步。解决此类问题的一种常见策略是利用对抗学习来学习观测数据不同变化因素的解耦表示。在本文中，我们使用一种对抗损失的公式来学习人脸图像的解耦表示。所使用的模型便于在单任务数据集上学习，并在表情识别上以在 AffectNet 数据集上 60.53% 的准确率改进了当前最优水平，且未使用任何额外数据。
引用
@article{arxiv.2008.07001,
title = {Learning Disentangled Expression Representations from Facial Images},
author = {Marah Halawa and Manuel Wöllhaf and Eduardo Vellasques and Urko Sánchez Sanz and Olaf Hellwich},
journal= {arXiv preprint arXiv:2008.07001},
year = {2020}
}
备注
Accepted at ECCV2020 workshops