学习人物特定网络表示用于表面人格特质识别
计算机视觉与模式识别
2023-03-03 v1
摘要
近期研究表明，表面人格特质可从人类面部行为动态中反映出来。然而，大多数现有方法只能在潜特征中编码单尺度短期面部行为以进行人格识别。本文中，我们提出一种表面人格识别方法，其首先为每个对象训练一个人物特定网络，建模该对象的多尺度长期人物特定行为演化。据此，我们假设该网络的权重包含了该对象与人物特定面部行为相关的线索。进而，我们提出将该人物特定网络的权重编码为图表示，作为该对象的人格表示，使其可被标准图神经网络（GNNs）处理以进行人格特质识别。实验结果表明，我们这种基于网络权重的新型方法取得了优于大多数传统基于潜特征方法的性能，并与最先进方法性能相当。重要的是，所生成的图表示在使用不同 GNNs 时产生鲁棒结果。本文进一步验证了人物特定网络的权重与对象的人格相关。
引用
@article{arxiv.2303.01236,
title = {Learning Person-specific Network Representation for Apparent Personality Traits Recognition},
author = {Fang Li},
journal= {arXiv preprint arXiv:2303.01236},
year = {2023}
}